您当前的位置:首页 >> 学术交流 >> 浏览信息

学术报告:A magic cross validation theory for large margin classifiers

发布时间:2018-06-27 10:19 浏览次数:
    报告题目:A magic cross validation theory for large margin classifiers

    报  告  人:Professor Hui ZouUniversity of Minnesota

        628号(周四)上午100011:30

        点: 理学院(西教五)416

    Abstract: Cross validation is the most commonly used technique in machine learning for tuning the learning algorithm in order to achieve better generalization error rate. In this talk we present a magic CV theory which can allow users to very efficiently tune the support vector machine and related algorithms. The theory also provides a straightforward way to prove the Bayes consistency of these algorithms. We demonstrate our method on extensive simulations and benchmark data studies.

    报告人简介:Zou Hui教授是明尼苏达大学统计系教授,国际数理统计学会会士(IMS Fellow)Zou Hui 教授于2011年获得IMS Tweedie Award以及2013年获得COGS Outstanding Faculty AwardZou Hui 教授曾任或现任统计学顶级期刊《Journal of the Royal Statistical Society, Series B 》、《Annals of Statistics》以及《Journal of the American Statistical Association(与《Biometrika》合称统计学四大天王期刊)Associate Editor,并任机器学习顶级期刊《Journal of Machine Learning Research》的Action Editor
             Zou Hui教授自2005年至今已在统计学四大天王期刊发表近30篇论文。Zou Hui教授的工作当选2006“Fast Breaking Paper in Mathematics”以及2008“New Hot Paper in Mathematics”Zou Hui教授于2014-2017年均被评为ISI高被引科学家(ISI Highly Cited Researcher)。截至目前,Zou Hui教授所发表的论文合计被引用次数高达19154次;特别,Zou Hui教授和Hastie教授2005年合作提出的Elastic Net2006Zou Hui教授提出的Adaptive LASSO方法,和Hastie教授、Tibshirani教授合作提出的稀疏主成分分析方法被引用次数分别高达7633次、4045次和1966次。Zou Hui教授也是最早在国内参与提出统计优化学科的专家之一。

------分隔线----------------------------