\( L_{\text{baen}} \)$ 損失は非凸であるため、非凸最適化問題を効率的に解くために、クリッピング付きの双対座標降下に基づく半2次（half-quadratic）アルゴリズムを設計しました。人工データおよびベンチマークデータセットに対する実験結果は、提案手法が古典的および先進的なSVMを上回ることを示しており、特にノイズ環境でその優位性が顕著です。
二値分類のための、有界非対称弾性ネット損失に基づくロバストサポートベクトルモデル
arXiv stat.ML / 2026/4/9
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文では、有界非対称弾性ネット（L_baen）損失関数を提案し、それをサポートベクトルマシンに統合して、二値分類のためのBAEN-SVMを構成する。
- L_baenは有界かつ非対称であり、（非対称弾性ネットヒンジ、ピンボール、非対称最小二乗などを含む）複数の既知の損失へと帰着でき、ノイズが混入したデータをより適切に扱うことを目的としている。
- 著者らは、従来のSVMにおける問題に取り組み、違反許容（VTUB）の上界を証明し、さらに有界な影響関数を示すことで、理論的なロバスト性の保証を与える。
- L_baenは非凸であるにもかかわらず、本研究では最適化を効果的に解くために、半二次（half-quadratic）アプローチを用いたクリッピング付きの双対座標降下法を提案する。
- 合成データセットおよびベンチマークデータセットでの実験により、BAEN-SVMは古典的および発展的なSVMの各手法よりも優れた性能を示し、とりわけノイズ条件下でその優位性が顕著である。
