Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Un algoritmo para el entrenamiento de máquinas de vector soporte para regresión
PDF

Palabras clave

Support vector Machines
ε−support vector regression
Máquinas de vector soporte
regresión ε-vector soporte

Cómo citar

Goddard Close, J., de los Cobos Silva, S. G., Pérez Salvador, B. R., & Gutiérrez Andrade, M. Ángel. (2000). Un algoritmo para el entrenamiento de máquinas de vector soporte para regresión. Revista De Matemática: Teoría Y Aplicaciones, 7(1-2), 107–116. https://doi.org/10.15517/rmta.v7i1-2.183

Resumen

El propósito del presente artículo es doble. Primero se proporciona una introducción a las ideas básicas de la Máquinas de Vector Soporte para regresión. Posteriormente, se presenta un algoritmo novedoso y sencillo, basado en el trabajo de Campbell y Cristianini [16], que resuelve de manera fácil el correspondiente problema de programación cuadrática. Se ilustra el algoritmo con ejemplos, y se compara con el método de regresión clásico.

https://doi.org/10.15517/rmta.v7i1-2.183
PDF

Citas

Vapnik, V. (1995) The Nature of Statistical Learning Theory. Springer-Verlag, NewYork.

Vapnik, V. (1998) Statistical Learning Theory. John Wiley and Sons, New York.

Ganapathiraju, A.; Hamaker, J.; Picone, J. (1998) “Support vector machines for speech recognition”, Proc. ICSLP, Australia.

Weston, J.; Gammerman, A.; Stitson, M.; Vapnik, V.; Vovk, V.; Watkins. (1998) “Density estimation using support vector machines”, Technical Report CSD-TR-97-23.

Müller, K.; Smola, A.; Rätsch, G.; Schölkopf, B.; Kohlmorgan, J.; Vapnik, V. (1997) “Predicting time series with support vector machines”, Proc. of the ICANN Conference.

Burges, C. (1998) “A Tutorial on support vector machines for pattern recognition”, Data Mining and Knowledge Discovery, 2(2).

Vapnik, V.; Golowich, S.; y Smola, A. (1997) “Support vector method for function approximation, regression estimation, and signal processing”, Advances in Neural In-formation Processing Systems, Vol. 9, MIT Press, Cambridge Mass.: 281–287.

Smola, A.; Schölkopf, B. (1998) “A tutorial on support vector regression”, Neuro-COLT2 Technical Report Series, NC2-TR-030.

Gunn, S. (1998) “Support vector machines for classification and regression”, ISIS Technical Report, University of Southampton.

Stitson, M.; Weston, J.; Gammerman, A.; Vovk V.; Vapnik, V. (1996) “Theory of support vector machines”, Tech. Report CSD-TR-96-17, RHUL.

Girosi, F. (1998) “An equivalence between sparse approximation and support vector machines”, Neural Computation, 10(6): 1455–1480.

Chin, K. (1998) “Support Vector Machines applied to Speech Pattern Classification”. M.Phil. Thesis in Computer Speech and Language Processing, Cambridge University, Engineering Department.

Vanderbei, R.J. (1997) “LOQO user’s manual 3.10”, Technical Report SOR-97-08, Statistics and Operations Research, Princeton University.

Osuna, E.; Freund, R.; Girosi, F. (1997) “An improved training algorithm for support vector machines”, Neural Networks for Signal Processing VII - Proc. of the 1997 IEEE Workshop, J. Principe, L. Gile, N. Morgan, y E. Wilson (Eds.): 276–285.

Platt, J. (1998) “Sequential minimal optimization: A fast algorithm for training support vector machines”, Advances in Kernel Methods- Support Vector Learning, B. Schölkopf, C. Burges, A. Smola (Eds.) MIT Press, Cambridge Mass.

Campbell, C.; Cristianini, N. (1999) “Simple learning algorithms for training support vector machines”, Department of Engineering Mathematics, University of Bristol.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.