确定性在线分类：用于二分类再平衡的常时间复杂度非迭代重加权递归最小二乘
机器学习
2023-01-24 v1 机器学习
摘要
确定性解对于可解释性正变得愈发关键。加权最小二乘（WLS）作为一种具有特定权重设计的确定性批处理解已被广泛使用。在 WLS 的在线设定中，精确重加权对于收敛到其批处理设定是必要的。为满足该必要性，主要采用迭代重加权最小二乘算法，其时间复杂度随线性增长，对在线学习并不友好。由于高昂且不断增长的计算成本，亟需一种高效的重加权最小二乘在线形式。我们提出一种具有常时间复杂度的 WLS 确定性在线分类算法，用于二分类再平衡。我们证明所提在线形式精确收敛于其批处理形式，并在真实数据集上经实证优于现有最先进的随机在线二分类算法。
引用
@article{arxiv.2301.09230,
title = {Deterministic Online Classification: Non-iteratively Reweighted Recursive Least-Squares for Binary Class Rebalancing},
author = {Se-In Jang},
journal= {arXiv preprint arXiv:2301.09230},
year = {2023}
}