“커널 트릭”을 선형 방법에 적용 하시겠습니까?

커널 트릭은 여러 기계 학습 모델 (예에 사용되는 SVM ). 그것은 1964 년에 "패턴 인식 학습의 잠재적 기능 방법의 이론적 기초"논문에서 처음 소개되었다.

위키 백과 정의에 따르면

원래의 비선형 관측치를보다 높은 차원의 공간으로 매핑함으로써 선형 비 분류 알고리즘을 사용하여 비선형 문제를 해결하는 방법; 이렇게하면 새 공간의 선형 분류가 원래 공간의 비선형 분류와 같습니다.

비선형 문제로 확장 된 선형 모델의 한 예는 커널 PCA 입니다. 커널 트릭을 모든 선형 모델에 적용 할 수 있습니까, 아니면 특정 제한이 있습니까?

커널 트릭은 문제 공식의 예제가 도트 제품 (Support Vector Machines, PCA 등)으로 나타나는 선형 모델에만 적용 할 수 있습니다.

B. Schölkopf의 두 가지 참고 문헌 :

• Schölkopf, B. 및 Smola, AJ (2002). 커널 학습 . MIT Press.
• Schölkopf, B., Tsuda, K. 및 Vert, J.-P. (2004). 전산 생물학의 커널 방법 . MIT Press.

커널 머신 전용 웹 사이트 .

@ ebony1은 핵심 포인트 (+1)를 제공합니다. 저는 로지스틱 회귀 및 포아송 회귀와 같은 일반화 된 선형 모델을 커널 화하는 방법을 논의하는 논문의 공동 저자였습니다.

GC Cawley, GJ Janacek 및 NLC Talbot은 2007 년 8 월 12 일부터 17 일까지 미국 플로리다 주 올랜도의 1732-1737 페이지의 신경망에 관한 IEEE / INNS 국제 공동 회의 (IJCNN-2007) 절차에서 일반화 된 커널 시스템을 보여줍니다. ( www , pdf )

나는 또한 (연구 품질) MATLAB 도구 상자 (슬프게도 지침 없음)를 작성했으며 여기에서 찾을 수 있습니다 .

목표 분포를 모델링 할 수있는 것은 불확실성 정량화 등에 매우 유용하므로 커널 학습 방법에 유용하게 (증분 적으로 증가 할 경우) 추가됩니다.