ROIPCA：一种基于秩一更新的在线内存受限 PCA 算法
机器学习
2023-06-08 v2 机器学习
摘要
主成分分析（PCA）是数据分析中的基础算法。其内存受限的在线版本在许多现代应用中很有用，其中数据过大无法放入内存，或者数据作为项目流到达。在本文中，我们提出 ROIPCA 和 fROIPCA，两种基于秩一更新的在线 PCA 算法。虽然 ROIPCA 通常更准确，但 fROIPCA 更快且具有可比的准确性。我们展示了 fROIPCA 与现有的流行在线 PCA 梯度算法之间的关系，并特别地证明 fROIPCA 实际上是一种具有最优学习率的梯度算法。我们通过数值实验证明了我们的算法在准确性和运行时间方面相对于现有最先进算法的优势。
引用
@article{arxiv.1911.11049,
title = {ROIPCA: An online memory-restricted PCA algorithm based on rank-one updates},
author = {Roy Mitz and Yoel Shkolnisky},
journal= {arXiv preprint arXiv:1911.11049},
year = {2023}
}
备注
23 pages, 2 figures