实体
Kernel Support Vector Machines
Kernel Support Vector Machines
PulseAugur coverage of Kernel Support Vector Machines — every cluster mentioning Kernel Support Vector Machines across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新算法加速了大规模数据集的因果推断
研究人员开发了一种新算法,即因果小引导袋(cBLB),使得因果推断中基于核的估计量的不确定性量化在计算上对于大型数据集是可行的。传统的引导方法难以应对现代数据的规模,例如美国出生率数据集中的 360 万条记录。这种新方法结合了子采样和重采样,在保持准确的不确定性量化和覆盖率的同时实现了可扩展性,这在估计吸烟对出生体重的影响的模拟和实际应用中得到了证明。
-
新的核稀疏化方法提高了机器学习的效率
研究人员推出了一种名为“向后核集聚”(Backward Kernel Herding)的新算法,旨在提高核方法学习的效率,这类方法对于大型数据集通常计算成本很高。该方法以及一个名为“灵活核稀疏化”(Flexible Kernel Thinning)的扩展,旨在创建代表性的数据集子集,同时在再生核希尔伯特空间(Reproducing Kernel Hilbert Space)中保留关键属性。实验表明,向后核集聚在训练时间效率方面有显著提…