基于随机特征的随机 Vovk-Azoury-Warmuth 算法用于在线多核学习
种群与进化
2025-03-27 v1
摘要
我们引入一种新的多核学习算法 VAW，用于在再现核希尔伯特空间（RKHS）中的在线最小二乘回归。VAW 利用基于随机傅里叶特征的函数逼近和 Vovk-Azoury-Warmuth（VAW）方法在两个层次结构中进行操作：VAW 用于从为每个核生成的随机特征中构建专家策略，然后再次用于组合其预测。在期望值方面进行理论分析，得出 的后悔界，当随机特征的数量按 比例扩展时。在一些基准数据集上的经验结果表明，VAW 在预测性能上优于现有的在线多核学习算法：Raker 和 OMKL-GF，以及其他在第二层使用专家预测的凸组合方法。
引用
@article{arxiv.2503.20086,
title = {The importance of exploration: Modelling site-constant foraging},
author = {Sarah A. MacQueen and Clara F. Hardy and W. John Braun and Rebecca C. Tyson},
journal= {arXiv preprint arXiv:2503.20086},
year = {2025}
}