最大似然和支持向量复杂度

Question

有人可以提供一些参考资料，说明如何确定最大似然和支持向量机分类器的计算复杂度吗？ 我一直在网上搜索，但似乎没有找到一个好的文档，详细说明如何找到模拟这些分类器算法的计算复杂性的方程。 感谢

Answer 1

支持向量机，并且许多最大似然拟合是凸最小化问题。因此，它们理论上可以使用http://en.wikipedia.org/wiki/Ellipsoid_method在多项式时间内求解。

我怀疑如果你考虑方法，你可以得到更好的估计。 http://www.cse.ust.hk/~jamesk/papers/jmlr05.pdf表示在m个实例上的标准SVM拟合花费O（m ^ 3）时间和O（m ^ 2）空间。 http://research.microsoft.com/en-us/um/people/minka/papers/logreg/minka-logreg.pdf给出了逻辑回归的每次迭代成本，但没有为估计迭代次数提供理论依据。在实践中，我希望这大部分时间都能达到二次收敛，并且不会太糟糕。