计算上的考虑¶
| 原文 | The Elements of Statistical Learning |
|---|---|
| 翻译 | szcf-weiya |
| 时间 | 2020-05-27 11:01:42 |
| 状态 | Done |
当有 $N$ 个训练情形，$p$ 个预测变量，以及 $m$ 个支持向量时，并假设 $m\approx N$，支持向量机需要 $m^3+mN+mpN$ 次操作．尽管存在计算上的捷径 (Platt, 1999)1，但他们不能很好地随着 $N$ 缩放．因为他们更新很快，读者应该在网上搜索最新的技巧．
LDA 需要 $Np^2+p^3$ 次操作，PDA 也一样．FDA 的复杂度取决于使用的回归方法．许多技巧关于 $N$ 是线性的，比如可加模型和 MARS．一般的样条和基于核的回归方法一般需要 $N^3$ 次操作．
R 中的包 mda 可以用来拟合 FDA，PDA 和 MDA 模型，S-PLUS 中也有软件包．
-
Platt, J. (1999). Fast Training of Support Vector Machines using Sequential Minimal Optimization; in Advances in Kernel Methods—Support Vector Learning, B. Schölkopf and C. J. C. Burges and A. J. Smola (eds), MIT Press, Cambridge, MA., pp. 185–208. ↩