Optimal Tuning for Divide-and-conquer Kernel Ridge Regression with Massive Data
Optimal Tuning for Divide-and-conquer Kernel Ridge Regression with Massive Data
复制标题
DOI：
--
复制
发表时间：
2016-12
期刊：
影响因子：
--
通讯作者：
Ganggang Xu;Zuofeng Shang;Guang Cheng
中科院分区：
文献类型：
--
作者：
Ganggang Xu;Zuofeng Shang;Guang Cheng
我们提出了用于分治核岭回归的第一个数据驱动的调优过程（Zhang等人，2015年）。虽然所提出的标准是计算可扩展的海量数据集，它也被证明是渐近最优的温和条件下。我们的方法的有效性说明了广泛的模拟和百万歌曲数据集的应用程序。
We propose a first data-driven tuning procedure for divide-and-conquer kernel ridge regression (Zhang et al., 2015). While the proposed criterion is computationally scalable for massive data sets, it is also shown to be asymptotically optimal under mild conditions. The effectiveness of our method is illustrated by extensive simulations and an application to Million Song Dataset.