Sham M.卡卡德。;院长P·福斯特。 通过典型相关分析进行多视图回归。 （英语） Zbl 1203.68155号 Bshouty，Nader H.（编辑）等人，《学习理论》。第20届学习理论年会，COLT 2007，美国加利福尼亚州圣地亚哥，2007年6月13日至15日。诉讼程序。柏林：施普林格出版社（ISBN 978-3-540-72925-9）。计算机科学课堂讲稿4539。人工智能课堂讲稿，82-96（2007）。 摘要：在多视图回归问题中，我们有一个回归问题，其中输入变量（实数向量）可以划分为两个不同的视图，其中假设输入的任何一个视图都足以进行准确的预测——这基本上是（的一个明显较弱的版本）回归问题的联合训练假设。我们提供了一种半监督算法，该算法首先使用未标记数据学习范数（或等价地，核），然后在岭回归算法中使用标记数据（具有此诱导范数）来提供预测器。未标记的数据通过正则相关分析（CCA，它与两个随机变量的PCA密切相关）来导出函数上的适当范数。我们能够通过CCA在一个相当简单的表达式中提供的相关系数来表征后续岭回归问题（使用该范数）的内在维数。有趣的是，岭回归算法使用的范数是从CCA中导出的，与标准核方法不同，标准核方法假设了特殊的先验范数（即假设了巴拿赫空间）。我们讨论了这个结果如何表明未标记数据可以降低样本复杂性。关于整个系列，请参见[Zbl 1121.68002号]. 引用于11文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H20个 关联度量（相关性、典型相关性等） PDF格式BibTeX公司 XML格式引用 \textit{S.M.卡卡德}和\textit{D.P.福斯特}，莱克特。注释计算。科学。4539，82-96（2007；Zbl 1203.68155） 全文： DOI程序