Stochastic Scale Invariant Power Iteration for KL-divergence Nonnegative Matrix Factorization

We introduce a mini-batch stochastic variance-reduced algorithm to solve finite-sum scale invariant problems which cover several examples in machine learning and statistics such as principal component analysis (PCA) and estimation of mixture proportions. The algorithm is a stochastic generalization...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE International Conference on Big Data S. 969 - 977
Hauptverfasser:	Kim, Cheolmin, Kim, Youngseok, Jambunath, Yegna Subramanian, Klabjan, Diego
Format:	Tagungsbericht
Sprache:	Englisch
Veröffentlicht:	IEEE 15.12.2024
Schlagworte:	Big Data Convergence Estimation Machine learning Machine learning algorithms Principal component analysis Synthetic data
ISSN:	2573-2978
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!