本論文介紹MSVM(Minimal Support Vector Machine)分類器，其概念為"基於SVM的架構下，減少其support vectors"。此分類器應用於Fraud detection等含有數以萬計的data points，亦可以增進其他需要大量support vector才能決定的分類器之效能。
內文首先介紹SVM的作用及原理，其後介紹MSVM。此技術使用fast linear programming並加入了error term來減少所使用的vectors。最後提出了SLA(Successive Linearization Algorithm)的演算法來實作MSVM。最後是實驗比較。
將MSVM和FSV以及1-norm SVM對於七個資料集運算的結果做比較，明顯的發現MSVM所使用的support vectors遠低於另外兩個分類器所需要的個數。此外，對於一些資料集來說，MSVM的效能高於另外兩個分類器 。
Data Selection For Support Vector Machine Classifier
View SlideShare presentation or Upload your own.
