特徴ノイズ下での頑健サポートベクターマシンを高速に学習するためのギャップセーフなスクリーニング規則
arXiv cs.LG / 2026/3/27
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、最適解を変えずに、特徴ノイズ下で頑健サポートベクターマシン（R-SVM）の学習を高速化するためのセーフなサンプルスクリーニング規則を提案する。
- 学習点の不確実性集合がマージン超平面の片側に完全に含まれることが保証される点を特定し、そのサンプルを安全に削除して最適化問題を縮小できるようにする。
- R-SVMは非標準的な構造を持つため、従来多くのスクリーニング手法で用いられているフェンチェル＝ロックアフラー双対性ではなく、ラグランジュ双対性を用いてスクリーニング規則を導出する。
- 著者らは理想的なスクリーニング規則から出発し、頑健設定に適応した実用的なギャップ（GAP）に基づく規則を導く。
- 実験により、本手法は分類精度を維持しつつ学習時間を大幅に削減できることが示され、頑健な教師あり学習における有効性が実証される。
