统计学习算法的复杂性分析
摘要：应用基于信息的复杂性分析来支持支持向量机(SVM)算法，目标是对这样的算法进行全面的连续算法分析。这涉及到复杂性度量，在这些度量中一些高阶操作（例如，某些优化）被认为是用于测量复杂性的原始操作。我们考虑由缩放族组成的信息运算符和算法类，并研究将复杂性进行缩放以最小化误差的实用性。我们将统计学习分为信息和算法两个部分，并研究每个部分的复杂性以及其在支持向量机(SVM)和更一般的机器学习算法中的应用。我们将支持向量机(SVM)算法划分为线性和高阶组件，并给出了在生物医学信息学中的一个示例。
作者：Mark A. Kon
论文ID：1212.4562
分类：Machine Learning
分类简称：stat.ML
提交时间：2012-12-20