关于支持向量机推断的研究

线性支持向量机具有参数化的决策边界。本文研究相应参数的推断方法，这些参数反映了单个变量对决策边界的影响。提出的推断方法基于支持向量机损失函数的卷积平滑版本，相比原始支持向量机具有若干推断优势——原损失函数并非处处可微。

值得注意的是，卷积平滑技术具有非渐近理论保证，包括对参数估计量的分布近似，该近似随特征向量维度的增加而呈现更优越的缩放特性。损失函数的可微性在某些场景下带来其他优势：例如便于引入惩罚项，或整合来自大量小样本的信息。

文章最后建立了线性支持向量机参数与某些二元结果概率模型参数之间的联系。