random fourier features is a widely used, simple, and effective technique for
scaling up kernel methods. The existing theoretical analysis of the approach,
however, remains focused on specific learning tasks and
该论文提出了一种快速替代权重采样策略，用于生成用于核逼近的精细随机傅里叶特征，通过核对齐来指导采样过程，并可以避免在计算杠杆函数时使用矩阵求逆操作，该策略可以将时间复杂度从 O (ns² +s³) 减少到 O (ns²)，在应用于核岭回归（KRR）时实现可比较的（甚至略优）预测性能，并提供关于该方法的泛化性能的理论保证，尤其是在 KRR 中实现统计保证所需的随机特征数。