A tutorial on ν‐support vector machines

Chen, P-H; Lin, C-J; Schölkopf, B

doi:10.1002/asmb.537

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Zeitschriftenartikel

A tutorial on ν‐support vector machines

MPG-Autoren

/persons/resource/persons84193

Schölkopf, B
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

https://onlinelibrary.wiley.com/doi/epdf/10.1002/asmb.537
(Verlagsversion)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Chen, P.-H., Lin, C.-J., & Schölkopf, B. (2005). A tutorial on ν‐support vector machines. Applied Stochastic Models in Business and Industry, 21(2), 111-136. doi:10.1002/asmb.537.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-D6A1-A

Zusammenfassung

We briefly describe the main ideas of statistical learning theory, support vector machines (SVMs), and kernel feature spaces. We place particular emphasis on a description of the so-called -SVM, including details of the algorithm and its implementation, theoretical results, and practical applications. Copyright © 2005 John Wiley Sons, Ltd.