摘要
核逻辑回归(KLR)是一种强大而灵活的分类算法,具有提供类预测置信度的能力。然而,它的训练——通常由(准)牛顿方法进行——相当耗时。在本文中,我们提出了另一种概率分类算法,称为最小二乘概率分类器(LSPC)。KLR通过核函数的对数线性组合对类后验概率进行建模,其参数通过(正则化)最大似然学习。相比之下,LSPC采用核函数的线性组合,其参数通过真类后验概率的正则化最小二乘拟合来学习。由于这种线性正则化最小二乘公式,LSPC的解可以通过以类的方式求解正则化线性方程组来解析计算。因此,LSPC在计算上非常有效,并且在数值上非常稳定。通过实验表明,LSPC的计算速度比KLR快两个数量级,分类精度相当。