日時 2001年9月18日(火) 15時00分〜15時50分 場所 経済学部5階視聴覚室 講演者 小林 景(計数M2) 演題 Support Vector Machineのパラメータ選択 概要 SVM(Support Vector Machine)は,Vapnikにより提案された パターン認識における学習手法のひとつであり,既存の学習機械や 統計的判別法に比べて,文字データなどの高次元入力データに対して 非常に高い判別能力を持つことが知られている.しかし,構成可能な 判別曲面の多様性ゆえにover fittingの問題が深刻であり,SVMの 誤り許用度を設定する変数のとり方によって,テストデータの誤判別率が 大きく変化する. 本発表では、SVMをregularizationの枠組で解釈することによって, ABIC,RIC等の手法を用いてこの変数を選択する方法を提案する. さらに,同様の手法を用いてkernel関数内の変数や、kernel関数自体を 選択することを試みる.