基于不同损失和距离函数的乘更新分类算法

• 来源期刊: 计算机应用研究
• 关键词: 乘权更新 在线学习 非近似更新 分类算法
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 344-347,383
• 页数: 5页
• 分类号: TP393|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.02.005

摘要

与批处理的学习算法相比较，在线预测的算法由于在大样本集上具有预测准确性高、时间的空间复杂度小，因此占有非常大的优势。对于Warmuth与Jivinen提出的保守性和权衡正确性的在线学习框架，已经得到相当广泛的应用，但是在他们所提出的指数梯度下降算法以及梯度下降算法中，对于目标函数中的损失函数，在其求导过程中使用近似步骤将会造成在线学习结果的恶化。根据对偶的最优化理论，基于不同损失函数与距离函数，提出了变更新分类算法。通过一系列的实验分析与研究，结果表明，该算法使得预测准确率得到了很大的提高，从而验证了该算