计算机科学 > 机器学习
[提交于 2025年10月27日
]
标题: 近似最近邻和核密度估计的次线性草图
标题: Sublinear Sketches for Approximate Nearest Neighbor and Kernel Density Estimation
摘要: 近似最近邻(ANN)搜索和近似核密度估计(A-KDE)是现代机器学习核心的基本问题,在数据分析、信息系统和大规模决策中有着广泛的应用。在大规模和动态的数据流中,一个中心挑战是设计紧凑的摘要,这些摘要能够保留数据的本质结构特性,同时支持高效的查询。在本工作中,我们开发了新的摘要算法,对于动态数据流,这两种ANN和A-KDE都能实现次线性空间和查询时间保证。对于流模型中的ANN,在自然假设下,我们设计了一个仅需$\mathcal{O}(n^{1+\rho-\eta})$内存的次线性摘要,通过仅存储总输入的次线性($n^{-\eta}$)比例,其中$\rho$是LSH族的一个参数,且$0<\eta<1$。我们的方法支持次线性查询时间、批量查询,并扩展到更一般的Turnstile模型。虽然之前的研究集中在精确NN上,但这是第一个在内存大小和近似误差之间实现接近最优权衡的ANN结果。 接下来,在滑动窗口模型中,我们提出一个大小为$\mathcal{O}\left(RW \cdot \frac{1}{\sqrt{1+\epsilon} - 1} \log^2 N\right)$的概要,其中$R$是概要的行数,$W$是 LSH 范围,$N$是窗口大小,$\epsilon$是近似误差。 据我们所知,这是在滑动窗口模型中针对 A-KDE 的第一个理论上的次线性概要保证。 我们通过在各种真实数据集上的实验来补充我们的理论结果,这些实验表明所提出的概要轻量级且在实践中始终表现出较低的误差。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.