截断平方损失SVM

大规模分类快30倍

该SVM采用截断平方损失，以显著降低的计算复杂度处理大规模分类，同时保持高精度。

Huajun, Wang · 朱志斌 · 邵元海

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

参数信息

训练时间

18.89 s

技术优势

快30倍

在超过10^7样本的数据集上仅需18.89秒，而其他求解器至少需要589.8秒。

支持向量更少

产生的支持向量数量少于其他八种主流求解器，使模型更稀疏、推理更快。

精度领先

分类精度超过其他八种主流求解器。

应用场景

• 大规模机器学习：在千万级样本上快速训练SVM，降低计算资源消耗。
• 边缘计算分类：模型计算量低，适合部署在边缘设备上进行实时分类。
• 生物医学信号处理：高精度且稀疏的模型可快速处理大规模生物医学信号数据。