赞助文章
在人类活动的几乎所有领域，机器学习已经成为我们社会的一个重要组成部分。Kriging（KR），也叫高斯过程，被认为是最精确的回归或分类模型之一，但在与训练有关的计算成本方面也非常昂贵。大精度或大数据集以指数规模增加训练时间，使许多人工智能和机器学习项目性能低下甚至不可行。
**VMC咨询公司**提供了一种新的算法，称为 快速克里琴法（FKR）该算法也被称为Tessellated Partitions Surface with Kriging (TPS-KR)，它可以在不影响精度的情况下，以数百倍的速度训练KR的大型数据集。
FKR的优点
- 训练时间快，100多倍的速度
- 与KR的精度相同
- 可应用于回归或分类模型
为您的机器学习和人工智能项目带来前沿算法的效率，www.vmc-consulting.net。
