機器學習中的稀疏表示與字典學習

當樣本具備稀疏表達形式時，對學習任務來講會有很多好處。例如線性支持向量機之因此能在文本數據上有很好的性能，恰是因爲文本數據在使用字頻表述後具備高度的稀疏性，使得大多數的問題變得線性可分。同時，稀疏樣本並不會形成存儲上的巨大負擔，由於係數矩陣 已有不少高效的存儲方法。機器學習 那麼，若給定數據集 D  是稠密的，即普通非稀疏數據，可否將其轉化爲「稀疏表示」形式，從而享有稀疏性所帶來的好處呢？這是咱們

>>阅读原文<<