গত বছর এনআইপিএস 2017 সালে আলী রহিমি এবং বেন রেক্ট তাদের কাগজ "বড়-স্কেল কার্নেল মেশিনগুলির জন্য র্যান্ডম বৈশিষ্ট্যগুলি" যেখানে র্যান্ডম বৈশিষ্ট্যগুলি প্রবর্তন করে, পরে এলোমেলো রান্নাঘরের সিংক অ্যালগরিদম হিসাবে কোডযুক্ত হিসাবে সময় পুরষ্কারের পরীক্ষায় জিতেছিল । তাদের কাগজ প্রচারের অংশ হিসাবে, তারা দেখিয়েছেন যে তাদের মডেলটি মাতলাব 5 টি লাইনে প্রয়োগ করা যেতে পারে।
% Approximates Gaussian Process regression
% with Gaussian kernel of variance gamma^2
% lambda: regularization parameter
% dataset: X is dxN, y is 1xN
% test: xtest is dx1
% D: dimensionality of random feature
% training
w = randn(D,d);
b = 2 * pi * rand(D, 1);
Z = cos(gamma * w * X + b * ones(1,N));
alpha = (lambda * eye(D) +Z * Z') \ (Z * y);
% testing
ztest = alpha' * cos(gamma * w * xtest + b);
উপরের অ্যালগরিদম কীভাবে কিছু শিখেছে তা আমার কাছে অস্পষ্ট। একটি এলোমেলো রান্নাঘর সিঙ্ক কিভাবে কাজ করে? কীভাবে এটি আনুমানিক গাউসিয়ান প্রক্রিয়াগুলি এবং ভেক্টর মেশিনগুলিকে সমর্থন করে?
সম্পাদন করা
রহিমির আলোচনার পুনঃনির্দেশনা, এলোমেলো রান্নাঘরের ডু শব্দটি কাগজে প্রবর্তিত হয়নি যার জন্য তারা পুরস্কারটি জিতেছে, বরং কাগজপত্রের ট্রিলজি শেষে "বড় আকারের কার্নেল মেশিনগুলির জন্য র্যান্ডম ফিচারস" দিয়ে শুরু হয়েছিল। অন্যান্য কাগজপত্রগুলি হ'ল:
আমি মনে করি উপরের কোড স্নিপেটটি শেষ কাগজে আলগোরিদিম 1 এর একটি বিশেষীকরণ।