...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Informatica: An International Journal of Computing and Informatics >Optimizing the Classification Cost using SVMs with a Double Hinge Loss
【24h】

Optimizing the Classification Cost using SVMs with a Double Hinge Loss

机译：使用具有双铰链损耗的SVM优化分类成本

获取原文
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The objective of this study is to minimize the classification cost using Support Vector Machines (SVMs)Classifier with a double hinge loss. Such binary classifiers have the option to reject observations whenthe cost of rejection is lower than that of misclassification. To train this classifier, the standard SVMoptimization problem was modified by minimizing a double hinge loss function considered as a surrogateconvex loss function. The impact of such classifier is illustrated on several discussed results obtained withartificial data and medical data.
机译：这项研究的目的是使用具有双铰链损失的支持向量机（SVM）分类器，将分类成本降至最低。当拒绝的成本低于错误分类的成本时，此类二元分类器可以选择拒绝观察。为了训练该分类器，通过最小化被视为代理凸损失函数的双铰链损失函数来修改标准SVM优化问题。说明了这种分类器对通过人工数据和医学数据获得的若干讨论结果的影响。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号