Data-independent Random Projections from the feature-map of the homogeneous polynomial kernel of degree two

این مقاله ارائه یک رشته غیر خطی جدید از روش پیش بینی تصادفی بر اساس هسته چندجملهای همگن درجه 2 است. الگوریتم ما قادر است به طور ضمنی نقاط داده را به فضای ویژگی ابعاد بزرگ آن هسته بسپارد و از آن به بعد یک پروژۀ تصادفی به یک فضای اقلیدس از ابعاد مورد نظر را انجام می دهد. فاصله دو طرفه بین نقاط داده در فضای ویژگی هسته تقریبا در نمایندگی حاصل شده حفظ شده است. همانطور که در مقایسه با نسخه قبلی تصحیح خطی هسته، روش ما مستقل از داده است و بیشتر از سادگی محاسباتی الگوریتم اصلی را حفظ می کند. این با تمرکز بر یک تابع هسته خاصی به دست می آید، که به ما اجازه داد تا اثر نقشه برداری مربوط به آن را در توزیع هیپرپلان های پیش بینی تصادفی تجزیه و تحلیل کنیم. در نهایت، شواهد تجربی شواهدی ارائه می دهیم که روش پیشنهادی از لحاظ حفظ فاصله از لحاظ زوال، روش های جایگزین را بهتر از آن می سازد، در حالیکه به طور قابل توجهی کارآمدتر است. همچنین ما نشان می دهیم که چگونه می توان روش ما را برای تقریب دقت طبقه بندی های غیر خطی با طبقه بندی های کارآمد خطی در برخی از مجموعه داده ها مورد استفاده قرار داد.