Titlebar

Bibliografische Daten exportieren
Literatur vom gleichen Autor
plus auf ERef Bayreuth
plus bei Google Scholar

 

On the Robustness of Regularized Pairwise Learning Methods Based on Kernels

Titelangaben

Christmann, Andreas ; Zhou, Ding-Xuan:
On the Robustness of Regularized Pairwise Learning Methods Based on Kernels.
In: Journal of Complexity. Bd. 37 (Dezember 2016) Heft 1-33 .
ISSN 0885-064X
DOI: 10.1016/j.jco.2016.07.001

Weitere URLs

Angaben zu Projekten

Projektfinanzierung: Deutsche Forschungsgemeinschaft

Abstract

Regularized empirical risk minimization including support vector machines plays an important role in machine learning theory. In this paper regularized pairwise learning (RPL) methods based on kernels will be investigated. One example is regularized minimization of the error entropy loss which has recently attracted quite some interest from the viewpoint of consistency and learning rates. This paper shows that such RPL methods have additionally good statistical robustness properties, if the loss function and the kernel are chosen appropriately. We treat two cases of particular interest: (i) a bounded and non-convex loss function and (ii) an unbounded convex loss function satisfying a certain Lipschitz type condition.

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Begutachteter Beitrag: Ja
Keywords: machine learning; pairwise loss function; regularized risk; robustness
Institutionen der Universität: Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Stochastik > Lehrstuhl Stochastik - Univ.-Prof. Dr. Andreas Christmann
Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Mathematisches Institut > Lehrstuhl Stochastik
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik > 510 Mathematik
Eingestellt am: 14 Okt 2015 09:03
Letzte Änderung: 28 Sep 2016 05:37
URI: https://eref.uni-bayreuth.de/id/eprint/20475