v-软间隔罗杰斯特回归分类机

来源：电子与信息学报杂志2016年第4期北京时间：

作者：黄成泉, 王士同, 蒋亦樟, 董爱美

单位：2.(江南大学数字媒体学院 无锡 214122) ②(贵州民族大学工程实训中心 贵阳 550025) ③(齐鲁工业大学信息学院 济南 250353)

摘要：坐标下降(Coordinate Descent, CD)方法是求解大规模数据分类问题的有效方法，具有简单操作流程和快速收敛速率。为了提高罗杰斯特回归分类器(Logistic Regression Classifier, LRC)的泛化性能，受v-软间隔支持向量机的启发，该文提出一种v-软间隔罗杰斯特回归分类机(v-Soft Margin Logistic Regression Classifier, v-SMLRC)，证明了v-SMLRC对偶为一等式约束对偶坐标下降CDdual并由此提出了适合于大规模数据的v-SMLRC-CDdual。所提出的v-SMLRC-CDdual既能最大化类间间隔，又能有效提高LRC的泛化性能。大规模文本数据集实验表明，v-SMLRC-CDdual分类性能优于或等同于相关方法。

关键词：罗杰斯特回归, 泛化, 坐标下降, 对偶坐标下降

基金资助：国家自然科学基金(61272210, 61202311)，江苏省自然科学基金(BK2012552)，贵州省科学技术基金(黔科合J字[2013]2136号)