エリート駆動サポートベクターマシンによる分類
arXiv cs.LG / 2026/4/29
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- この論文では、Elite-Driven Support Vector Machines（EDSVM）を提案し、通常のSVM学習を「エリート」として選んだ観測（参照SVMのサポートベクタの和集合が典型）を用いてスラック変数を導く形に拡張します。
- EDSVMは、新しいスラック値をベンチマークのスラック値へ近づける偏差ペナルティを追加し、グローバルな教師―生徒型のペナルティではなく、局所的かつマージンに整合した「参照モデルへの近さ」を定義します。
- 2つの派生モデルとして、C-EDSVM（ヒンジ型スラック損失）とLS-EDSVM（スラック平方損失）を提示し、通常のSVMソルバに対して小さな修正で実装可能な双対の二次計画問題を導出します。
- 分類校正（classification calibrated）を保証する十分条件を示し、シミュレーションとUCIベンチマーク実験で、EDSVMが参照SVMの振る舞いを高い精度で追跡しつつ、C-SVMやLINEX-SVM、LS-SVMと同等以上の予測性能を示すことを報告しています。
