엘제로 정규화 이차곡면 서포트 벡터 머신

초록

본 논문은 커널 없이 이차곡면을 이용하는 QSVM에 ℓ₀ 정규화를 도입해 모델 파라미터를 제한함으로써 과적합을 방지하고 해석성을 높인다. 이를 위해 페널티 분해(Penalty Decomposition) 알고리즘을 설계하고, 서브문제들을 닫힌 형태 혹은 듀얼 해법으로 효율적으로 해결한다. 수렴 이론을 제시하고, 공개 데이터와 신용평가 데이터셋에서 기존 SVM 변형들과 경쟁력 있는 성능과 높은 희소성을 입증한다.

상세 분석

이 논문은 기존 QSVM이 차원 n에 대해 O(n²)개의 파라미터를 필요로 하여 과적합 위험이 크고 해석이 어려운 문제를 근본적으로 해결하고자 한다. ℓ₀ 정규화를 적용해 파라미터 벡터 z (=