Jádrová funkce | AI slovník

Odborná definice

Kernel v jadrových metódach je funkce k(x, z), která vyjadřuje vnitřní součin obrazů dvou vstupů v příznakovém prostoru, ačkoli tyto obrazy nemusí algoritmus explicitně zostrojit. Platný pozitivně semidefinitný kernel vytváří Gramovu matici s vhodnými matematickými vlastnostmi. Volba lineárneho, polynomiálneho, RBF nebo doménového kernelu určuje pojem podobnosti a tím i tvar funkcí, které může model efektivně učit. Hodnota kernelu nemá sama sám o sobě univerzálnu měřítko, interpretuje se v rámci zvoleného modelu.

Srozumitelné vysvětlení

Dva dokumenty můžete porovnat přímo podle slov, nebo pomocí funkce, která zohladní kombinace výrazů a podobné vzory bez vypísání milionů nových příznaků. Kernel vrátí jedno číslo, které se správa, akoby ste nejprve oba dokumenty preniesli do bohatšieho prostoru a potom vypočítali jejich skalárny součin. Pokud kernel považuje za podobné nesprávně veci, ani přesný optimalizační algoritmus nezachráni model, protože pracuje s chybnou geometriou úlohy. Při doménovém kerneli je důležité vědět vysvetlit, které společné črty vytvořili vysokou podobnost.

Časté otázky

Je kernel vždy funkce vzdálenosti?

Ne. Typicky vyjadřuje podobnost nebo vnitřní součin. Z kernelu lze za určitých podmínek odvodit vzdálenost v příznakovém prostoru, ale samotné vysoké skóre nemusí mít význam klasickej metrickej vzdálenosti.

Co je Gramova matice?

Matice, které prvek i,j je kernel mezi i-tym a j-tym příkladem. Obsahuje párové podobnosti tréninkových dat a při platnom kerneli je pozitivně semidefinitná, co podporuje konvexné optimalizačné formulace.

Jak se nastavuje parameter gamma při RBF kerneli?

Gamma řídí, jako rychle podobnost klesá se vzdáleností. Příliš vysoká hodnota vytváří velmi lokálně hranice a přeučení, příliš nízká hodnoty zhladí rozdíly. Volí se validací po škálování dat.

Může být kernel navržený pro grafy nebo sekvence?

Ano. Existují string kernels, graph kernels, kernels nad množinami a další doménové funkce, které porovnávají strukturu místo surových vektorů. Musí však splňat požadované matematické podmínky.

Čím se kernel v ML liší od konvolučného kernelu?

Konvolučný kernel je lokální filtr aplikovaný na obraz nebo signál. Kernelová funkce v SVM či Kernel PCA je párová funkce podobnosti mezi celými vstupmi. Stejné slovo označuje dva odlišné mechanizmy.

Související pojmy

Zdroje a redakční stopa

scikit-learn, Pairwise metrics and kernels
scikit-learn, SVM kernels

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.