正则判别分析分类器的大维度研究
摘要：大维度正则判别分析的分析是基于数据来自具有不同均值和协方差的高斯混合模型的假设。该分析依赖于随机矩阵理论（RMT）的基本结果，当特征数和每个类别的训练数据的基数同时增长时，我们展示了渐近分类错误接近一个仅依赖于每个类别相关的均值和协方差以及问题维数的确定性值。这样的结果可更好地理解实际大但有限维度上的正则判别分析的性能，并可以用于确定和预估最小化误分类错误概率的最优正则化参数。尽管理论上仅对高斯数据有效，但我们的发现在预测从流行的USPS数据库抽取的真实数据集所实现的性能方面显示出高准确度，从而建立了理论与实践之间的有趣联系。
作者：Khalil Elkhalil, Abla Kammoun, Romain Couillet, Tareq Y. Al-Naffouri, Mohamed-Slim Alouini
论文ID：1711.00382
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-06-19