GBSVR: Granular Ball Support Vector Regression

要約

サポートベクトル回帰（SVR）とそのバリアントは、回帰タスクの処理に広く使用されていますが、ソリューションには高価な二次プログラミングの問題を解決することが含まれているため、特に大規模なデータセットを扱う場合は、アプリケーションを制限します。
さらに、SVRは、外れ値に敏感であるため、そのパフォーマンスに悪影響を与える可能性のあるイプシロンに感受性の損失関数を使用します。
粒状ボールサポートベクター回帰（GBSVR）を提案して、粒状ボールの概念を使用して回帰の問題に取り組むことを提案します。
これらのボールは、機械学習タスクの複雑なデータスペースを簡素化するのに役立ちますが、私たちの知る限り、回帰問題について十分に調査されていません。
粒状ボールは、データポイントの近接に基づいてボールにグループをグループ化し、多数のデータポイントを粒状ボールをはるかに少ないことに置き換えることにより、SVRの計算コストを削減します。
この作業は、粒状ボールの構築を促進するための連続値属性の離散化方法も示唆しています。
提案されたアプローチの有効性はいくつかのベンチマークデータセットで評価され、既存の最先端のアプローチよりも優れています

要約(オリジナル)

Support Vector Regression (SVR) and its variants are widely used to handle regression tasks, however, since their solution involves solving an expensive quadratic programming problem, it limits its application, especially when dealing with large datasets. Additionally, SVR uses an epsilon-insensitive loss function which is sensitive to outliers and therefore can adversely affect its performance. We propose Granular Ball Support Vector Regression (GBSVR) to tackle problem of regression by using granular ball concept. These balls are useful in simplifying complex data spaces for machine learning tasks, however, to the best of our knowledge, they have not been sufficiently explored for regression problems. Granular balls group the data points into balls based on their proximity and reduce the computational cost in SVR by replacing the large number of data points with far fewer granular balls. This work also suggests a discretization method for continuous-valued attributes to facilitate the construction of granular balls. The effectiveness of the proposed approach is evaluated on several benchmark datasets and it outperforms existing state-of-the-art approaches

arxiv情報

提供元, 利用サービス

arxiv.jp, Google