www-ai.cs.tu-dortmund.de/LEHRE/VORLESUNGEN/MLRN/WS1314/Folien/5SVMstruct.pdf
die Nebenbedingungen an:
SVM1 : min~β,ξ 1 2‖~β‖
2 + C N
∑N i=1 ξi
∀i ,∀~y ∈ Y\~yi : 〈~β, δΨi (~y)〉 ≥ 1− ξi ∆(~yi ,~y)
(8)
SVM2 : min~β,ξ 1 2‖~β‖
2 + C 2N
∑N i=1 ξ
2 i
∀i ,∀~y ∈ Y\~yi : 〈~β, δΨi (~y)〉 ≥ 1− [...] können auch durch einen quadratischen Term bestraft werden.
Margin rescaling SVM
SVM2 : min~β,ξ 1 2‖~β‖
2 + C 2N
∑N i=1 ξ
2 i (5)
unter den Bedingungen
∀i ,∀~y ∈ Y\~yi : 〈~β, δΨi (~y)〉 ≥ 1− ξi , ξi ≥ 0 (6) [...] ergibt: 86,8% precision, 85,2% recall, 86%F1 measure SVM2 mit slack rescaling ergibt: 88,9% precision, 88,1% recall, 88,5%F1 measure Der Unterschied des F-measures ist signifikant. SVM2 hat in 12 Iterationen …
