Feature hashing相关 - 2

1. Bloom filter

   

思路 用多个不同hash 来记录，比如遇到一个 love 有4个hash function 映射到4个bit位置，如果所有位置都是1 那么认为之前已经遇到love这个词(有一定错误概率)，如果有任何一个位置是0，那么表明love这个词之前没有遇到(100%这样)

   

1. Count Min Sketch

   思路类似。。 考虑一个近似的(允许一定错误）的类似 hash table的 <key,value>更新查询操作

      

论文 ：An Improved Data Stream Summary: The Count-Min Sketch and its Applications

   

将输入的i 映射到 1-w ， 采用d个hash function，开辟 w*d的空间

执行

   

查询i的时候，取最小值！

   

对于类似文本分类，线性svm这样我们关注的 dot(inner product点积）操作：

只给出结论

也就是说只要按照w长度的空间向量进行点积即可，然后对应d个hash function取其中的最小值，算法复杂度O(w+d)