在具有 n 个样本和 k 个特征的核回归中，一旦我们有了 n × n 核矩阵，我知道如何预测新数据点 - 假设它是高斯核。当 n 太大时，我的理解是我可以使用 RBF 采样器来减少到 r 维度，我可以选择 r< 我的问题是在新的采样空间中，如何使用新数据点进行预测，其中每个数据点都是原始 k 特征的向量。我是否需要使用抽取的 r 随机变量进行采样（每个变量的大小为 k 向量）并将它们应用于新数据点，以将具有 k 个原始特征的新数据点转换为新的 r 维度向量，然后应用 beta 进行预测y？