贪婪吝啬者：测试时间预算下的学习
机器学习
2012-07-03 v1 机器学习
摘要
随着机器学习算法进入工业界应用，人们对其在测试期间的 CPU 时间控制的兴趣日益增加。CPU 时间由算法的运行时间和特征提取时间组成。当特征集多样化时，后者可能会有巨大差异。在本文中，我们提出了一种名为“贪婪吝啬者”(Greedy Miser) 的算法，该算法在训练过程中纳入特征提取成本，以明确最小化测试期间的 CPU 时间。该算法是阶段式回归的直接扩展，同样适用于回归或多类分类任务。与 prior work 相比，它具有显著更高的成本效益，并能扩展到更大的数据集。
引用
@article{arxiv.1206.6451,
title = {The Greedy Miser: Learning under Test-time Budgets},
author = {Zhixiang Xu and Kilian Weinberger and Olivier Chapelle},
journal= {arXiv preprint arXiv:1206.6451},
year = {2012}
}
备注
Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)