利用 Polya-Gamma 数据增强的高效高斯过程分类
机器学习
2018-11-28 v2 机器学习
摘要
我们提出了一种可扩展的随机变分方法用于高斯过程（GP）分类，该方法基于 Polya-Gamma 数据增强和诱导点。与以往方法不同，我们获得了基于自然梯度的闭式更新，从而实现高效优化。我们在包含多达 1100 万个数据点的真实数据集上评估了该算法，结果表明其比最先进方法快达两个数量级，同时在预测性能方面具有竞争力。
引用
@article{arxiv.1802.06383,
title = {Efficient Gaussian Process Classification Using Polya-Gamma Data Augmentation},
author = {Florian Wenzel and Theo Galy-Fajou and Christan Donner and Marius Kloft and Manfred Opper},
journal= {arXiv preprint arXiv:1802.06383},
year = {2018}
}