多局部线性核机器

David Picard

多局部线性核机器

机器学习 2024-01-19 v1 机器学习

作者: David Picard

摘要

本文提出了一种基于局部线性分类器组合的新型非线性分类器。我们给出了一个众所周知的优化公式，通过使用许多局部线性核将该问题转化为 $\ell_1$ 多核学习 (MKL) 问题。由于此类核的数量巨大，我们提供了一种可扩展的通用 MKL 训练算法来处理流式核。在推理时间方面，所得分类器填补了高准确度但缓慢的非线性分类器（如经典 MKL）与快速但低准确度线性分类器之间的差距。

关键词

非线性分类器局部线性核多核学习 MKL 流式核优化公式

引用

@article{arxiv.2401.09629,
  title  = {Multiple Locally Linear Kernel Machines},
  author = {David Picard},
  journal= {arXiv preprint arXiv:2401.09629},
  year   = {2024}
}

备注

This paper was written in 2014 and was originally submitted but rejected at ICML'15

相关论文

查看更多相关论文 →