文章研究基于凸损失函数的系数正则化在线分类学习算法问题，给出了基于欧式空间的一种不依赖于样本容量的方法并且详细给出了该算法的误差分析过程。该分类算法的目的是构造一个不依赖于样本容量和样本概率分布的分类器来学习未知概率分布的样本空间。文章给出了基于欧式空间的梯度下降算法的具体产生过程，该方法的优点是对于样本容量较大的样本空间同样可以有效的构造分类器进行分类。文章对由梯度下降算法产生的学习序列进行了界的限定，在此过程中要求损失函数在原点是满足李普希茨条件的，并且对步长的具体形式也做了要求，再次基础上明确的给出了其错分类误差。最后，以铰链损失函数为例给出了该算法的误差界的分析。

>>查看原文初稿链接<<

>>更多科技论文<<