增量核PCA与Nyström方法
机器学习
2018-02-02 v1 机器学习
摘要
批量算法的增量版本通常是被期望的，以提升流数据场景下的时间效率，或一般而言提升内存效率。本文提出一种新颖的增量核 PCA 算法，基于对核矩阵特征分解的秩一更新，其在计算上比已有的同类算法更高效。我们将算法扩展至核矩阵 Nyström 近似的增量计算，这是首个被提出的此类算法。Nyström 近似的增量计算带来了进一步的内存效率提升，并允许经验性地评估何时已获得足够大小的子集。
引用
@article{arxiv.1802.00043,
title = {Incremental kernel PCA and the Nystr\"om method},
author = {Fredrik Hallgren and Paul Northrop},
journal= {arXiv preprint arXiv:1802.00043},
year = {2018}
}