TL;DR通过基于指数的泰勒展开的显式有限多项式特征表示，我们研究了训练和使用高斯核SVM，尽管在特征数量方面不如最近提出的随机傅里叶特征[Rahimi and Recht, 2007]高效，但我们展示了这种多项式表示法可以在计算成本上提供更好的近似，这使得我们的特征在处理大数据集并进行在线或随机训练时特别有吸引力。
Abstract
We investigate training and using gaussian kernel svms by approximating the kernel with an explicit finite- dimensional polynomial feature representation based on the →