机器学习中的稀疏表示与字典学习

当样本具备稀疏表达形式时，对学习任务来讲会有很多好处。例如线性支持向量机之因此能在文本数据上有很好的性能，恰是因为文本数据在使用字频表述后具备高度的稀疏性，使得大多数的问题变得线性可分。同时，稀疏样本并不会形成存储上的巨大负担，由于系数矩阵 已有不少高效的存储方法。机器学习 那么，若给定数据集 D  是稠密的，即普通非稀疏数据，可否将其转化为“稀疏表示”形式，从而享有稀疏性所带来的好处呢？这是咱们

>>阅读原文<<