報(bào)告題目：A magic cross validation theory for large margin classifiers
報(bào)告時(shí)間：2018年6月28號(hào)（周四）10:00－11:30
報(bào)告地點(diǎn)：北辰校區(qū)理學(xué)院（西教五）416
報(bào)告嘉賓：Professor Hui Zou（University of Minnesota）
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.
嘉賓簡(jiǎn)介：
Zou Hui教授是明尼蘇達(dá)大學(xué)統(tǒng)計(jì)系教授，國(guó)際數(shù)理統(tǒng)計(jì)學(xué)會(huì)會(huì)士(IMS Fellow)。Zou Hui 教授于2011年獲得IMS Tweedie Award以及2013年獲得COGS Outstanding Faculty Award。Zou Hui 教授曾任或現(xiàn)任統(tǒng)計(jì)學(xué)頂級(jí)期刊Journal of the Royal Statistical Society， Series B、Annals of Statistics以及Journal of the American Statistical Association（與Biometrika合稱統(tǒng)計(jì)學(xué)四大天王期刊）的Associate Editor，并任機(jī)器學(xué)習(xí)頂級(jí)期刊Journal of Machine Learning Research的Action Editor。
Zou Hui教授自2005年至今已在統(tǒng)計(jì)學(xué)四大天王期刊發(fā)表近30篇論文。Zou Hui教授的工作當(dāng)選2006年“Fast Breaking Paper in Mathematics”以及2008年“New Hot Paper in Mathematics”；Zou Hui教授于2014-2017年均被評(píng)為ISI高被引科學(xué)家（ISI Highly Cited Researcher）。截至目前，Zou Hui教授所發(fā)表的論文合計(jì)被引用次數(shù)高達(dá)19154次；特別，Zou Hui教授和Hastie教授2005年合作提出的Elastic Net，2006年Zou 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數(shù)分別高達(dá)7633次、4045次和1966次。Zou Hui教授也是最早在國(guó)內(nèi)參與提出統(tǒng)計(jì)優(yōu)化學(xué)科的專家之一。
