Odborná definice
Odborná definice
Kernel method je třída algoritmů, které vyjadrují učení převážně přes párové kernelové hodnoty mezi příklady. Lineární postup v implicitním příznakovém prostoru se tak správa nelineárně v původných datech bez explicitného výpočtu všech transformovaných příznaků. Do rodiny patří kernelové SVM, Kernel PCA, kernel ridge regression a Gaussian processes. Škálování bývá omezené velikostí Gramové matice a kvalita závisí na kernelu a regularizace. Mnohé řešení mají duálnu formu, ve které predikci určují koeficienty při tréninkových bodech.
Srozumitelné vysvětlení
Srozumitelné vysvětlení
Místo návrhu stovák ručných nelineárnych příznaků určíte, jak se mají dva vstupy porovnávat. Algoritmus potom skládá predikci z podobností k tréninkovým bodem. Při RBF kerneli může vytvořit zakrivenou rozhodovací hranici, ačkoli vnútorná optimalizace zůstává lineární v jiném prostoru. Výhodou je pevná matematická struktura a dobrý výkon na stredne velkých datech. Nevýhodou je, že s rastom počtu vzorků roste matice párových vztahů. Při menším datasete může takový model porazit hlbokou síť bez potřeby rozsiahleho tréninku reprezentací.
Časté otázky
Časté otázky
Které algoritmy patří mezi jadrové metody?
Support vector machines, kernel ridge regression, Kernel PCA, kernelová diskriminačná analýza, kernelové CCA a mnohé Gaussian process modely. Spojuje jejich práca s kernelem nebo Gramovou maticou.
Proč mohou být jadrové metody nelineárně?
Lineární funkce v bohatšom příznakovém prostoru odpovídá nelineárnej funkcii původných vstupů. Kernel umožní vypočítat potřebné vnitřní součiny bez explicitného zostrojení tohoto prostoru.
Jak se liší od neuronových sítí?
Kernel často používá předem zvolenou podobnost a optimalizace může být konvexná. Neuronová síť si reprezentaci učí přes vrstvy a škáluje jiným způsobem. Ani jedna rodina není univerzálne lepší.
Co omezuje jejich škálování?
Uložení nebo výpočet n krát n Gramové matice a řešení souvisejícího optimalizačného problému. Pomáhají sparse formulace, náhodné příznaky, Nyströmova aproximace a rozdělené výpočty.
Jak se vysvětluje predikce jádrové metody?
Lze sledovat podporujúce tréninková body, koeficienty v duálnej reprezentaci, citlivost na příznaky a lokálně aproximace. Samotná podobnost však nemusí poskytnout ludsky zrozumitelné pravidlo.
Související pojmy
Související pojmy
Zdroje a redakční stopa
Zdroje a redakční stopa
- scikit-learn, SVM and kernels
- scikit-learn, Pairwise metrics
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.