herding算法的不足有什么

Herding算法是一种基于核函数的无参数概率密度估计方法，其主要不足包括：

1.计算复杂度较高。Herding算法中需要计算多个核函数的内积，这对于高维数据而言计算复杂度很高，导致算法的运行速度较慢。

2.对核函数的选择敏感。核函数的选择对Herding算法的性能有很大影响，不同的核函数对不同的数据集表现可能会有很大差异，这需要根据具体问题进行调整。

3.需要大量的训练样本。Herding算法需要大量的训练样本才能准确地估计概率密度，这对于大规模数据而言会带来很大的计算负担。