Regresión de vectores de soporte en línea precisa

Las implementaciones por lotes de la regresión de vectores de soporte (SVR) son ineficientes cuando se utilizan en un entorno en línea porque deben ser reentrenadas desde cero cada vez que se modifica el conjunto de entrenamiento. Siguiendo un algoritmo de clasificación de vectores de soporte incremental introducido por Cauwenberghs y Poggio (2001), hemos desarrollado una regresión de vectores de soporte en línea precisa (AOSVR) que actualiza eficientemente una función SVR entrenada cada vez que se añade o se elimina una muestra del conjunto de entrenamiento. La función SVR actualizada es idéntica a la producida por un algoritmo por lotes. Se presentan aplicaciones de AOSVR en escenarios tanto en línea como de validación cruzada. En ambos escenarios, experimentos numéricos indican que AOSVR es más rápido que los algoritmos SVR por lotes tanto con inicio en frío como en caliente.