SVMの分割型学習アルゴリズムにおける変数選択について～共役勾配法に基づく選択法の提案と実験的評価～

摘要

サポートベクトルマシン（SVM）の学習は2次計画問題に帰着される．SVMの学習アルゴリズムとして広く用いられているSMOアルゴリズムやSVM堀Itなどの分割法は，それらの2次計画問題の効率的な反復解法であり，各ステップにおいて,1）全変数の申から少数の変数を選択する，2）選択された変数に関する2次計画問題を解く，という二つの操作を行う.本稿では，共役勾配法に基づく新しい変数選択法を提案し，パターン識別問題および回帰問題のベンチマークデータを用いてその有効性を検証する．