压缩广义矩阵逼近的更紧界限
摘要：广义矩阵逼近在许多机器学习问题中起着基础作用，例如CUR分解、核逼近和矩阵低秩逼近。尤其是在当今越来越大的数据集所涉及的应用中，越来越多的高效广义矩阵逼近算法成为一个极其重要的研究问题。本文中，我们发现了新的草图技术来减小原始数据矩阵的大小，从而发展出新的矩阵逼近算法。我们的结果得到了比之前的工作更紧密的逼近界限：我们通过小草图维度获取了一个$(1+\epsilon)$逼近比率，这意味着更高效的广义矩阵逼近。
作者：Haishan Ye, Qiaoming Ye, Zhihua Zhang
论文ID：1609.02258
分类：Numerical Analysis
分类简称：cs.NA
提交时间：2016-09-09