Resumen

Consideramos un tipo de algoritmos de regresión de máquinas de vectores de soporte (SVMR) asociados con regularización basada en coeficientes y espacio de hipótesis dependiente de los datos. En comparación con la literatura anterior, aquí proporcionamos un análisis de convergencia más simple para esos algoritmos. La novedad de nuestro análisis radica en la estimación del error de la hipótesis, que se implementa estableciendo un punto intermedio entre el SVMR regularizado por coeficientes y el SVMR clásico. Luego se deriva una tasa de aprendizaje explícita bajo condiciones muy suaves.

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Máquinas de vectores de soporte para regresión; Algoritmos; Regularización basada en coeficientes; Espacio de hipótesis dependiente de los datos; Análisis de convergencia; Error de hipótesis
• Keywords:Support vector machines regression; Algorithms; Coefficient-based regularization; Data-dependent hypothesis space; Convergence analysis; Hypothesis error