Convergence exponentielle de l'erreur de test pour les méthodes de gradient stochastique.

Résumé Nous considérons des problèmes de classification binaire avec des noyaux définis positifs et une perte au carré, et nous étudions les taux de convergence des méthodes de gradient stochastique. Nous montrons que si l'excès de perte de test (perte au carré) converge lentement vers zéro lorsque le nombre d'observations (et donc d'itérations) va vers l'infini, l'erreur de test (erreur de classification) converge exponentiellement vite si l'on suppose des conditions de faible bruit.