«kernel-trick» etiketlenmiş sorular

Birçok makine öğrenme sınıflandırıcısı (örneğin, destek vektör makineleri) bir tanenin bir çekirdek belirtmesine izin verir. Bir çekirdeğin ne olduğunu açıklamanın sezgisel bir yolu ne olurdu? Düşündüğüm bir yön, doğrusal ve doğrusal olmayan çekirdekler arasındaki ayrımdır. Basit bir ifadeyle, 'doğrusal karar fonksiyonları' ndan bir 'doğrusal olmayan karar fonksiyonlarından' bahsedebilirim. Ancak, bir …

96 machine-learning  svm  references  kernel-trick  intuition 

SVM kullanırken, bir çekirdek seçmemiz gerekir. Nasıl bir çekirdek seçileceğini merak ediyorum. Çekirdek seçiminde herhangi bir kriter var mı?

95 machine-learning  svm  kernel-trick 

Ben kullanımı ile serpmek başlıyorum glmnetile LASSO Regresyon ilgi benim sonuç dikotom olduğunu. Aşağıda küçük bir sahte veri çerçevesi oluşturdum: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Birkaç farklı kullanım vardır: çekirdek yoğunluğu tahmini çekirdek numarası çekirdek yumuşatma Lütfen içlerindeki "çekirdeğin" ne demek olduğunu açık bir şekilde İngilizce olarak kendi kelimelerinizle açıklayınız.

73 kernel-trick  kernel-smoothing 

Gaussian ve polinom çekirdekli çekirdek PCA ( 1 , 2 , 3 ) hakkında okuyordum . Gauss çekirdeği görünüşte herhangi bir doğrusal olmayan veriyi istisnai olarak nasıl ayırır? Lütfen sezgisel bir analiz ve mümkünse matematiksel olarak ilgili bir analiz yapın. Gauss çekirdeğinin (ideal ) diğer çekirdeğin sahip olmadığı bir özellik …

67 machine-learning  pca  svm  kernel-trick 

Destek vektör makinesini kullanırken, RBF gibi lineer çekirdeğe göre doğrusal olmayan çekirdeği seçme konusunda yönergeler var mı? Bir zamanlar, doğrusal olmayan çekirdeğin, özelliklerin sayısı büyük olduğunda iyi performans gösterme eğiliminde olmadığını duydum. Bu konuda referans var mı?

45 machine-learning  classification  svm  references  kernel-trick 

Gaussian Çekirdeği olan bir SVM'nin sonsuz boyutsal özellik alanına sahip olduğu gerçeğinin ardındaki sezgi nedir?

36 svm  feature-selection  kernel-trick 

Radyal temel işlevinin bir çekirdek olduğunu nasıl ispatlayabilirim ? Anladığım kadarıyla, bunu kanıtlamak için aşağıdakilerden birini kanıtlamamız gerekiyor:k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2}) Herhangi bir vektör kümesi için, matrisi = pozitif yarı-sonludur.x1,x2,...,xnx1,x2,...,xnx_1, x_2, ..., x_nK(x1,x2,...,xn)K(x1,x2,...,xn)K(x_1, x_2, ..., x_n)(k(xi,xj))n×n(k(xi,xj))n×n(k(x_i, x_j))_{n \times n} Bir eşleme ΦΦ\Phi , k(x,y)k(x,y)k(x, y) = ⟨ Φ ( x …

35 svm  kernel-trick 

İnsanların SVM ve Çekirdekler üzerine çok çaba sarf ettiğini ve Makine Öğreniminde bir başlangıç ​​olarak oldukça ilginç göründüğünü gördüm. Ancak, (her zaman) (Yapay Sinir Ağı) açısından neredeyse her zaman daha iyi bir çözüm bulmamızı beklersek, bu dönemde başka yöntemler denemenin anlamı nedir? İşte bu konudaki kısıtlarım. Sadece Denetimli Öğrenmeyi düşünüyoruz; …

33 machine-learning  svm  kernel-trick  supervised-learning 

Sınıflandırma için SVM kullanıyorum ve doğrusal ve RBF çekirdekleri için en uygun parametreleri belirlemeye çalışıyorum. Doğrusal çekirdek için C'yi belirlemek için çapraz doğrulanmış parametre seçimini, RBF çekirdeği için ise C ve gama belirlemek için ızgara aramasını kullanın. 20 (sayısal) özellik ve 7 sınıfa ayrılması gereken 70 eğitim örneğim var. C …

32 classification  svm  kernel-trick 

Bir SVM ve bir algılayıcı arasındaki fark ile biraz kafam karıştı. Anlayışımı burada özetlemeye çalışmama izin verin, lütfen yanlış olduğum yeri düzeltmek ve kaçırdıklarımı doldurmaktan çekinmeyin. Perceptron, "uzaklık" mesafesini optimize etmeye çalışmaz. İki takımı birbirinden ayıran bir hiper uçağı bulduğu sürece, iyidir. Öte yandan SVM, "destek vektörünü", yani en yakın …

29 machine-learning  svm  kernel-trick 

Birisi lütfen bana SVM'deki çekirdekler arasındaki farkı söyleyebilir mi: Doğrusal Polinom Gauss dili (RBF) sigmoid Çünkü çekirdeğin girdi alanımızı yüksek boyutsallık özellikli alanla eşleştirmek için kullanıldığını biliyoruz. Ve bu özellik alanında, doğrusal olarak ayrılabilir sınırı buluruz. Ne zaman kullanılırlar (hangi şartlar altında) ve neden?

26 machine-learning  svm  pattern-recognition  kernel-trick 

x,y∈RnφK(x,y)=exp(−∥x−y∥222σ2)=ϕ(x)Tϕ(y)K(x,y)=exp⁡(−‖x−y‖222σ2)=ϕ(x)Tϕ(y)K(x,y)=\exp\left({-\frac{\|x-y\|_2^2}{2\sigma^2}}\right)=\phi(x)^T\phi(y)x,y∈Rnx,y∈Rnx, y\in \mathbb{R^n}ϕϕ\phi Ben de olmadığını bilmek istiyorum nerede . Şimdi, bunun eşit olmadığını düşünüyorum, çünkü bir çekirdek kullanmak, doğrusal sınıflayıcının çalışmadığı durumu ele alır. x'i sonsuz bir alana biliyorum . Bu yüzden hala doğrusal kalırsa, kaç boyut olursa olsun, svm hala iyi bir sınıflandırma yapamaz. ci∈Rϕ∑iciϕ(xi)=ϕ(∑icixi)∑iciϕ(xi)=ϕ(∑icixi)\sum_ic_i\phi(x_i)=\phi \left(\sum_ic_ix_i \right)ci∈Rci∈Rc_i\in \mathbb …

24 machine-learning  svm  kernel-trick 

İnsanlar neden çekirdek SVM'lerle uğraşırken Kuadratik Programlama tekniklerini (SMO gibi) kullanıyor? Gradyan İnişinin nesi yanlış? Çekirdekle kullanmak imkansız mı yoksa çok mu yavaş (ve neden?). İşte biraz daha fazla bağlam: SVM'leri biraz daha iyi anlamaya çalışırken, aşağıdaki maliyet işlevini kullanarak doğrusal bir SVM sınıflandırıcısını geliştirmek için Gradient Descent kullandım: J( …

21 svm  kernel-trick  gradient-descent 

Makine öğrenimi ve örüntü tanıma bağlamında Çekirdek Hüner denen bir kavram vardır . Bir işlevin çekirdek işlevi olup olmayacağını belirlemem istendiğinde karşılaşılan sorunlar, tam olarak ne yapılmalı? Önce polinom, RBF ve Gaussian gibi üç veya dört çekirdek işlevi olup olmadığını kontrol etmeli miyim? O zaman ne yapmam gerekiyor? Olumlu kesin …

21 machine-learning  kernel-trick