高斯过程回归中的可伸缩结构发现

Hyunjik Kim、Yee Whye Teh
自动机器学习研讨会论文集2016年，PMLR 64:31-40。

摘要

Lloyd等人（2014）中的自动贝叶斯协方差发现（ABCD）为自动化统计建模以及回归问题的探索性数据分析提供了一个框架。但是，ABCD由于其$O（N^3）$运行时间而无法缩放。这是不可取的，不仅因为数据集的平均大小正在快速增长，而且因为较大数据中可能包含更多信息，这意味着更需要能够发现复杂结构的更具表现力的模型。我们建议使用ABCD的可扩展版本，将大数据包含在自动统计建模的范围内。

引用本文

BibTeX公司
@会议记录{pmlr-v64-kim_scalable_2016，title={使用高斯过程回归中的可缩放结构发现}，作者＝{Kim，Hyunjik和Teh，Yee Whye}，booktitle={自动机器学习研讨会论文集}，页数={31--40}，年份={2016年}，editor={Hutter、Frank和Kotthoff、Lars和Vanschoren、Joaquin}，体积={64}，series={机器学习研究论文集}，address={美国纽约州纽约市}，月={6月24日}，publisher={PMLR}，pdf={http://processes.mlr.press/v64/kim_scalable_2016.pdf}，url={https://procedures.mlr.press/v64/kim_scalable_2016.html}，abstract={Lloyd等人（2014）中的自动贝叶斯协方差发现（ABCD）为自动化统计建模以及回归问题的探索性数据分析提供了一个框架。然而，ABCD由于其$O（N^3）而无法缩放$运行时间。这是不可取的，不仅因为数据集的平均大小正在快速增长，而且因为较大数据中可能包含更多信息，这意味着更需要能够发现复杂结构的更具表现力的模型。我们提出了ABCD的可扩展版本，以将大数据包含在自动统计建模的范围内。}}
尾注
%0会议论文%高斯过程回归中的T可标度结构发现%A Hyunjik Kim先生%A Yee Whye Teh公司%B自动机器学习研讨会论文集%C机器学习研究论文集%2016年D月%E弗兰克·赫特%E Lars Kotthoff公司%E Joaquin Vanschoren先生%F pmlr-v64-kim_scalable_2016%我PMLR%第31页至第40页%U型https://proceedings.mlr.press/v64/kim_scalable_2016.html%64伏%Lloyd等人（2014）中的X自动贝叶斯协方差发现（ABCD）为自动化统计建模以及回归问题的探索性数据分析提供了一个框架。但是，ABCD由于其$O（N^3）$运行时间而无法缩放。这是不可取的，不仅因为数据集的平均大小正在快速增长，而且因为较大数据中可能包含更多信息，这意味着更需要能够发现复杂结构的更具表现力的模型。我们建议使用ABCD的可扩展版本，将大数据包含在自动统计建模的范围内。
RIS公司
TY-CPAPER公司TI-使用高斯过程的回归中的可缩放结构发现澳大利亚-Hyunjik Kim澳大利亚-Yee Whye TehBT-自动机器学习研讨会论文集DA-2016年12月4日ED-弗兰克·赫特ED-拉尔斯·科特霍夫ED-华金·范肖伦ID-pmlr-v64-kim_scalable_2016PB-PMLRDP-机器学习研究进展VL-64SP-31EP-40第一层-http://proceedings.mlr.press/v64/kim_scalable_2016.pdfUR-（欧元）https://proceedings.mlr.press/v64/kim_scalable_2016.htmlAB-Lloyd等人（2014）中的自动贝叶斯协方差发现（ABCD）为自动化统计建模以及回归问题的探索性数据分析提供了一个框架。但是，ABCD由于其$O（N^3）$运行时间而无法缩放。这是不可取的，不仅因为数据集的平均大小正在快速增长，而且因为较大数据中可能包含更多信息，这意味着更需要能够发现复杂结构的更具表现力的模型。我们建议使用ABCD的可扩展版本，将大数据包含在自动统计建模的范围内。急诊室-
亚太地区
Kim，H.&Teh，Y.W.（2016）。使用高斯过程的回归中的可缩放结构发现。自动机器学习研讨会论文集，英寸机器学习研究论文集64:31-40可从https://proceedings.mlr.press/v64/kim_scalable_2016.html。

相关材料