کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
416644 | 681389 | 2014 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Mean field variational Bayesian inference for support vector machine classification
ترجمه فارسی عنوان
استنتاج بیینی متغیر میدان متوسط برای طبقه بندی پشتیبانی ماشین بردار
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
استنتاج تقریبی بایر، انتخاب متغیر، داده های گم شده، مدل مخلوط، زنجیره مارکف مونت کارلو
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
A mean field variational Bayes approach to support vector machines (SVMs) using the latent variable representation on Polson and Scott (2012) is presented. This representation allows circumvention of many of the shortcomings associated with classical SVMs including automatic penalty parameter selection, the ability to handle dependent samples, missing data and variable selection. We demonstrate on simulated and real datasets that our approach is easily extendable to non-standard situations and outperforms the classical SVM approach whilst remaining computationally efficient.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 73, May 2014, Pages 163–176
Journal: Computational Statistics & Data Analysis - Volume 73, May 2014, Pages 163–176
نویسندگان
Jan Luts, John T. Ormerod,