Robust support vector machine for high-dimensional imbalanced data
Robust support vector machine for high-dimensional imbalanced data
复制标题
高维不平衡数据的鲁棒支持向量机
DOI：
10.1080/03610918.2019.1586922
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Nakayama Yugo
中科院分区：
文献类型：
--
作者：
佐藤彰典;角田圭輔;水山遼;七五三木聡;辻井敦大;Nakayama Yugo
在本文中，我们考虑支持向量机（SVM）在高维、低样本量（HDLSS）设置中的渐近特性。特别是，我们研究了正则化参数 C 的软边缘 SVM 的行为。我们表明 SVM 无法处理不平衡分类，并且 SVM 在 HDLSS 设置中非常有偏差。为了克服这些困难，我们提出了一种鲁棒的支持向量机（RSVM）。我们表明 RSVM 在 HDLSS 设置中具有更好的性能。最后，我们检查RSVM在实际数据分析中的性能。
In this paper, we consider asymptotic properties of support vector machine (SVM) in high-dimension, low-sample-size (HDLSS) settings. In particular, we investigate the behavior of soft-margin SVM for the regularization parameterC. We show that SVM cannot handle imbalanced classification and SVM is very biased in HDLSS settings. In order to overcome such difficulties, we propose a robust SVM (RSVM). We show that RSVM gives preferable performances in HDLSS settings. Finally, we check the performance of RSVM in actual data analyses.