Core Vector Machine - DO++

SVMをはじめとした、多くの"Kernel法を利用した凸二次計画法問題"は、ある条件（自分自身同士のカーネル値が常に定数）を満たしていれば、適切に問題を変換することで最小包含球問題として解けることが知られている（core vector machine [google scholar] )。 凸二次計画法問題は入力データサイズに対してスケールせず、訓練データ数が１万以上とか多くなるととたんに破綻するのに対して、最小包含球問題は近似法がいくつか知られており、それらを利用すれば大規模な訓練データを利用した学習が可能となる。 で、その最小包含球の近似法の一つに中心を適当に決めて半径を決めた後に、球から外れている要素をぽこぽこ追加し、半径を最小にしつつ中心を更新していく方法が提案されたが[link]、結局中心の更新式がPassive-Agressive Learning[link]と殆どに似た形にな

[tettsyun]

パラメータの更新式がPassive Aggressiveにほとんど似ている