多核学习中的稀疏性-准确性权衡

我们通过弹性网络正则化，在真实和模拟数据集上实证研究了稀疏与均匀加权多核学习（MKL）之间的最佳权衡。我们发现，最佳权衡参数不仅取决于真实核权重谱的稀疏性，还取决于核之间的线性依赖性和样本数量。