矩方法的层次化方法
机器学习
2018-10-18 v1 机器学习
摘要
矩的谱方法为学习潜变量模型的参数提供了强有力的工具。尽管这些方法在理论上具有吸引力，但由于缺乏对模型误设的鲁棒性，它们对实际数据的适用性仍然有限。在本文中，我们提出了一种层次化的矩方法以规避此类局限。我们的方法基于将先前算法中使用的张量分解步骤替换为近似联合对角化。在主题建模上的实验表明，我们的方法在速度和模型质量方面均优于先前的张量分解方法。
引用
@article{arxiv.1810.07468,
title = {Hierarchical Methods of Moments},
author = {Matteo Ruffini and Guillaume Rabusseau and Borja Balle},
journal= {arXiv preprint arXiv:1810.07468},
year = {2018}
}
备注
NIPS 2017