Treffer: A first approximation in order to define a Difficulty Factor of the bi-classification in a dataset by using SVMs
Title:
A first approximation in order to define a Difficulty Factor of the bi-classification in a dataset by using SVMs
Authors:
Contributors:
Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial, Universitat Politècnica de Catalunya. GREC - Grup de Recerca en Enginyeria del Coneixement
Publication Year:
2013
Collection:
Universitat Politècnica de Catalunya, BarcelonaTech: UPCommons - Global access to UPC knowledge
Subject Terms:
Àrees temàtiques de la UPC::Enginyeria electrònica::Microelectrònica::Sistemes digitals programables, Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic, Support vector machines, Machine learning--Mathematical models, Aprenentatge automàtic -- Models matemàtics, Sistemes experts (Informàtica) -- Autoaprenentatge, Lagrange, Funcions de
Document Type:
Konferenz
conference object
File Description:
4 p.; application/pdf
Language:
English
Relation:
Availability:
Rights:
Attribution-NonCommercial-NoDerivs 3.0 Spain ; http://creativecommons.org/licenses/by-nc-nd/3.0/es/ ; Open Access
Accession Number:
edsbas.7D824BFA
Database:
BASE
Weitere Informationen
The main aim in this paper is to analyze the complexity of a Support Vector Machine -SVM- in the construction of a classifier for a bi-classification problem on a specific dataset. Hence, an index is defined in terms of both, the Lagrange multipliers and the number of support vectors. Experimentation for cheching the defined index is carried out with a well.known dataset, the Glass Identification Database. ; Peer Reviewed ; Postprint (published version)