exploring large feature spaces with hierarchical multiple kernel learning nips使用分层多核学习探索大型特征空间francisbach.pdfVIP

exploring large feature spaces with hierarchical multiple kernel learning nips使用分层多核学习探索大型特征空间francisbach.pdf

  1. 1、本文档共19页,其中可免费阅读7页,需付费68金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2 分层多核学习 (HKL) 我们考虑从随 量 X ∈X 预测随 量 Y ∈Y .R 的问题,其中 X 和 Y 可能是非常一般的空间。我们假设给定 n 个 i.i.d.观测值 (xi,yi) ∈X×Y ,i =1,.,n。 函数 f 从 X 到 R 的经验风险定义为 P n 1 yi,f(xi),其中.:Y×R →R+是一个损失函数。我们只假设.是凸的ni=1 相对于第二个参数(但不一定可微)。loss 的典型例子 1 函数是回归的平方损失,即 y ∈R 的 (y,y.)=(y .y.)2 和逻辑损失

文档评论(0)

daluobu + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档