用于高斯过程回归的多分辨率核近似
机器学习
2018-01-31 v3
摘要
如果不应用某种核近似方法，高斯过程回归通常无法扩展到几千个数据点以上。大多数近似方法集中于核矩阵 谱的高特征值部分，当核的长度尺度较小时，这会导致性能不佳。本文引入了多分辨率核近似 (MKA)，这是第一个真正的宽带核近似算法。MKA 的重要特点在于其内存效率高，且是一种直接方法，这意味着它也使得近似 和 变得容易。
引用
@article{arxiv.1708.02183,
title = {Multiresolution Kernel Approximation for Gaussian Process Regression},
author = {Yi Ding and Risi Kondor and Jonathan Eskreis-Winkler},
journal= {arXiv preprint arXiv:1708.02183},
year = {2018}
}