【主题】Divide-and-conquer for L₁ support vector machine

【报告人】练 恒, 副教授

      香港城市大学

【时间】 2019年10月18日（星期五）15:30-16:30

【地点】 上海财经大学统计与管理学院大楼1208会议室

【摘要】1-norm support vector machine (SVM) generally has competitive performance compared to standard 2-norm support vector machine in classification problems, with the advantage of automatically selecting relevant features. We propose a divide-and-conquer approach in the large sample size and high-dimensional setting by splitting the data set across multiple machines, and then averaging the debiased estimators. We show that under appropriate conditions the aggregated estimator can obtain the same convergence rate as the central estimator utilizing all observations.

【嘉宾简介】练恒，现任香港城市大学数学系副教授，于2000年在中国科学技术大学获得数学和计算机学士学位，2007年在美国布朗大学获得计算机硕士，经济学硕士和应用数学博士学位。研究方向包括高维数据分析，函数数据分析，机器学习等。在《Journal of the Royal Statistical Society，Series B》、《Journal of the American Statistical Association》等国际期刊上发表高水平学术论文30多篇