SAVA: 可伸缩的学习无偏数据估值
原文中文,约200字,阅读约需1分钟。发表于: 。SAVA 是 LAVA 算法的可扩展变体,通过对数据点的批处理进行运算来解决大规模数据集的数据估值任务。
本文介绍了SkeVa family,一种用于大数据分析的高效聚类框架,包括k均值聚类和核函数聚类算法。该框架使用RANSAC思想进行降维和集合简化,并引入了一种基于离散度准则的算法。实验证明,这些算法在大规模数据集上具有非常良好的竞争性能。
SAVA 是 LAVA 算法的可扩展变体,通过对数据点的批处理进行运算来解决大规模数据集的数据估值任务。
本文介绍了SkeVa family,一种用于大数据分析的高效聚类框架,包括k均值聚类和核函数聚类算法。该框架使用RANSAC思想进行降维和集合简化,并引入了一种基于离散度准则的算法。实验证明,这些算法在大规模数据集上具有非常良好的竞争性能。