統計学輪講（第２７回）

日時	2000年10月17日(火)    15時〜15時50分
場所	経済学部5階視聴覚室
講演者　小林 景 (計数M1)
演題　	Support Vector Machineによるパターン認識（文献紹介）
概要
  suppot vector machine(ＳＶＭ)は，Vapnikにより開発された
パターン認識における学習手法のひとつであり，kernel関数を用いて，
入力学習データをより高次なfeature spaceに写像し，厚みを持つ
超平面でそれらを分類する．またＳＶＭは，ＶＣ次元という
新しい概念を導入することにより，汎化誤差や収束速度の
最悪評価が比較的容易な計算でできるという特徴をもつ．

今日では，その応用は回帰，時系列解析，密度推定などに広がり，
また，その汎化誤差予測の精度を上げる研究も続けられている．
本発表ではVapnik[\cite{Vapnik}]に基づき，
ＳＶＭの原理と，その長所，現時点での問題点について説明する．
また，余裕があれば先日Vapnikにより発表された，
より高精度の汎化誤差推定法の一つを紹介する．

(参考文献)
V. Vapnik, The Nature of Statistical Learning Theory. 
 New York: Springer-Verlag, 1995

V. Vapnik, Statistical Learning Theory. 
 New York: Wiley, 1998

V. Vapnik, O. Chapelle, Bounds on Error Expectation
 for Support Vector Machine: Newral Computation 12,
pp 2013-2036, 2000