张量列随机投影
机器学习
2021-10-22 v4 机器学习
摘要
本文提出一种新颖的张量列随机投影（TTRP）方法用于降维，其中成对距离可被近似保持。我们的 TTRP 通过 TT 秩等于一的张量列（TT）表示系统构造。基于张量列格式，与现有方法相比，这种新的随机投影方法可加速高维数据集的降维过程，并以很小的精度损失要求更少的存储成本。我们对 TTRP 的偏差和方差提供了理论分析，表明该方法是一种具有有界方差的期望等距投影，并且我们证明 Rademacher 分布是生成相应 TT 核的最优选择。使用合成数据集和 MNIST 数据集进行了详细的数值实验，以证明 TTRP 的效率。
引用
@article{arxiv.2010.10797,
title = {Tensor Train Random Projection},
author = {Yani Feng and Kejun Tang and Lianxing He and Pingqiang Zhou and Qifeng Liao},
journal= {arXiv preprint arXiv:2010.10797},
year = {2021}
}