核偏最小二乘回归速度加快的Lanczos近似
摘要：用于计算拟合的Kernel Partial Least Squares（KPLS）运行时间随样本数量呈二次增长。然而，为了进行模型选择的自由度敏感度测量或更详细分析的置信区间，需要三次运行时间，因此成为现实数据分析中的计算瓶颈。我们提出了一种新算法，用于KPLS，它不仅可以在二次运行时间内计算（a）拟合度，还可以计算（b）其近似自由度和（c）误差范围。该算法利用了Kernel PLS与用于近似对称矩阵特征值的Lanczos算法之间的紧密联系，并用此近似值来计算二次运行时间内的核矩阵幂的痕迹。
作者：Nicole Kraemer, Masashi Sugiyama, Mikio Braun
论文ID：0902.3347
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-08-13