0

我试图找到一个线性分类器,在数据非线性可分的情况下最小化训练误差(0/1 损失)。具体来说,我正在寻找一种确定权重的方法:

sign(weights' * features) = label

对于features\in {0, 1}^d, label\in {-1, 1} 和实值权重。我有 N 个训练实例,我希望上述等式适用于最大可能的实例数。我知道如果问题总是可分离的,那么像硬边距 SVM 这样的东西会起作用,但如果不是,我也需要找到解决方案。

(这个任务可能听起来有点深奥,但是请不要告诉我该怎么做而不是寻找一个最小训练误差的线性分类器——我所描述的绝对是我想要解决的问题!)

4

1 回答 1

1

Matlab 包含一个非常易于使用的非线性 SVM 工具箱。看看svmtrainsvmclassify。要选择内核函数,您必须使用'kernel_function'参数,尽管默认值是'linear'您尝试执行的操作。'boxconstraint'参数让您选择C哪个是软约束的参数。

编辑

我发现这篇论文描述了一种最小化 0/1 损失的方法。

于 2012-09-11T11:43:31.873 回答