Nyström 方法的递归采样
机器学习
2017-11-06 v5 数据结构与算法
机器学习
摘要
我们给出了首个核 Nyström 逼近算法,该算法在*训练点数量上以线性时间运行*,并且对所有核矩阵都有可证明的准确性,不依赖于正则性或非相干性条件。该算法将核投影到一组由*岭杠杆分数*采样的 个地标点上,仅需 次核评估和 的额外运行时间。虽然杠杆分数采样长期以来被认为能为 Nyström 逼近提供强有力的理论保证,但通过采用快速递归采样方案,我们的算法首次使该方法具有可扩展性。实验表明,与均匀采样 Nyström 逼近和随机傅里叶特征方法等流行技术相比,该算法能在更短时间内找到更准确、秩更低的核逼近。
引用
@article{arxiv.1605.07583,
title = {Recursive Sampling for the Nystr\"om Method},
author = {Cameron Musco and Christopher Musco},
journal= {arXiv preprint arXiv:1605.07583},
year = {2017}
}
备注
To appear, NIPS 2017