参考集核最大均值差异的误差界
机器学习
2018-12-12 v1 机器学习
摘要
在本文中，我们针对使用两个数据集的加权骨架化来计算核最大均值差异的双样本检验，给出了由此引起的误差界。该误差通过热量从这些点扩散到数据其余部分的速度，以及参考点上的权重情况来量化，并给出了一个非渐近、非概率的界。该结果关联到特征向量三重积问题，该问题出现在许多重要问题中。该误差界还提出了一种用于选择最佳参考点集及权重的优化方案。该方法在多个双样本检验实例上进行了测试。
引用
@article{arxiv.1812.04594,
title = {Bounding the Error From Reference Set Kernel Maximum Mean Discrepancy},
author = {Alexander Cloninger},
journal= {arXiv preprint arXiv:1812.04594},
year = {2018}
}