利用重心校正过程优化机器学习训练
机器学习
2024-03-04 v1
摘要
机器学习（ML）算法是具有预测竞争力的算法，拥有许多影响人类的应用。然而，在高维空间中执行时间长的问题在文献中仍未解决。本研究提出将 ML 算法与一种称为重心校正过程（BCP）的高效方法相结合，以解决这一问题。本研究使用合成数据和来自一所私立大学的教育数据集来展示所提方法的优势。研究发现，这种组合在合成数据和真实数据中均提供了显著的时间效益，且在实例数和维度增加时不会损失精度。此外，对于高维空间，证明了 BCP 和线性支持向量分类（LinearSVC）在高斯径向基函数（RBF）核的估计特征映射之后，在计算时间和精度方面均不可行。
引用
@article{arxiv.2403.00542,
title = {Machine Learning Training Optimization using the Barycentric Correction Procedure},
author = {Sofia Ramos-Pulido and Neil Hernandez-Gress and Hector G. Ceballos-Cancino},
journal= {arXiv preprint arXiv:2403.00542},
year = {2024}
}