09:55官方账号arXiv cs.LG@Ole-Christian Galbo Engstrøm论文针对IKPLS算法1和2的两个共享步骤(X旋转R和Y负载Q)提出加速。对于R,用直接评价策略替代逐项累加,所需乘法数相同但并行性更好。对于Q,首次发现每个Y loading可由之前迭代已算出的量得出,将计算成本从Θ(KM)降到Θ(M)(M=1或2≤M<K)。在NumPy (CPU)和JAX (GPU)上测试,孤立步骤加速达两个数量级,整体拟合加速约2倍(CPU)和6倍(GPU)。改进已集成到开源Python包ikpls中。论文IKPLSKernel PLSPLS回归推荐理由:IKPLS算法加速技巧:X旋转和Y负载计算改进,CPU快2倍、GPU快6倍,代码开源随便用。原文稍后读已读值得跟进有用关注 IKPLS