PulseAugur
中
实时 09:40:57
English(EN) The Phase Transition in Online PCA Depends on $n/d\log(d)$, not $n/d$

在线PCA相变依赖于 n/d log(d)，而非 n/d

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员已确定在线主成分分析（PCA）算法（特别是Oja算法）的关键阈值。与依赖样本与维度之比（$n/d$）的传统PCA不同，在线PCA的相变由一个更复杂的比率决定，该比率涉及维度的对数（$n/d imes ext{log}(d)$）。这一发现表明，与批量算法相比，流式算法需要更高的样本与维度比率才能获得准确的结果。 AI

影响 阐明了在线学习算法的理论极限，可能影响AI系统中的实时数据分析。

排序理由 详细介绍统计机器学习理论发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

在线PCA相变依赖于 n/d log(d)，而非 n/d

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Apratim Dey ·

    在线PCA的相变取决于 $n/d\log(d)$，而非 $n/d$

    arXiv:2607.23914v1 Announce Type: cross Abstract: High dimensional statistical theory has established the importance of constant aspect ratio, when the number of dimensions ($d$) and samples ($n$) satisfy $n,d\to\infty$ with $n/d\to \gamma\in(0,\infty)$, in understanding the limi…

相关实体

相关话题