Классификатор на основе ядра обычно требует времени обучения O (n^3) из-за вычисления внутреннего продукта между двумя экземплярами. Чтобы ускорить обучение, значения внутреннего продукта могут быть предварительно вычислены и сохранены в двумерном массиве. Однако, когда нет. экземпляров очень велико, скажем, более 100 000, для этого не хватит памяти.Ядровые методы для крупномасштабного набора данных
Итак, какая-нибудь лучшая идея для этого?
Я понятия не имею, о чем вы говорите. Кто-нибудь еще понимает это и может объяснить это мне? –
«Классификаторы на основе ядра» - это своего рода алгоритм машинного обучения, который можно обучать данным (input -> output) для прогнозирования выходных значений для входных значений, которые они никогда ранее не видели. Вопроситель обеспокоен тем, что алгоритмы, похоже, плохо влияют на количество пар (входных, выходных). – Stompchicken