这篇研究论文介绍了一种用于随机傅里叶特征的自适应重采样方法，这是一种用于高维数据的机器学习技术。所提出的方法旨在改进傅里叶频率的采样，这在该领域一直是一个挑战。作者通过数值实验为他们的数据自适应方法提供了收敛性的理论证明，并证明了其在回归和分类任务中的有效性。 AI
影响 引入了一种新颖的理论和数值方法，以增强用于高维数据分析的机器学习算法。
排序理由 该集群包含一篇在 arXiv 上发表的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2509.03151v2 Announce Type: replace-cross Abstract: The machine learning random Fourier feature method for data in high dimension is computationally and theoretically attractive since the optimization is based on a convex standard least squares problem and independent sampl…