机器学习中的光谱近似
摘要：大规模矩阵的特征向量分解的计算负担过大，在许多机器学习领域变得必需。我们讨论了两种减轻光谱分解计算负担的方法：更为经典的Nystom扩展和一种基于随机投影的新算法。之前的工作集中在能否重构原始矩阵上。我们认为，更有趣和相关的比较是它们在使用近似的特征向量作为特征进行聚类和分类任务中的相对性能。我们证明了性能是任务特定的，并且取决于近似的等级。
作者：Darren Homrighausen and Daniel J. McDonald
论文ID：1107.4340
分类：Machine Learning
分类简称：stat.ML
提交时间：2011-07-22