기계 학습에 기능 분석 및 힐버트 공간이 유용합니까? 그렇다면 어떻게?

힐버트 공간과 기능 분석이 기계 학습에 어떻게 유용한 지 궁금합니다. 기계 학습은 통계, 컴퓨터 과학 및 최적화의 혼합이라고 생각했습니다. 기능적 분석은 그와 어떤 관련이 있습니까?

서포트 벡터 머신 및 구조화 된 SVM의 개발에 기반 을 둔 재현 가능한 커널 시스템 공간 의 전체 이론 은 힐버트 공간의 이론을 기반으로합니다. 또한 이상치 탐지와 같은 SVM의 일부 응용 프로그램 개발은 알 수없는 확률 분포의 지원을 추정한다는 아이디어를 기반으로합니다 ( Schoolkopf et al.의 고차원 분포의 지원 추정 참조 ).

@SmallChess의 답변에 추가하십시오. 실제로 당신은 그것에 대해 잘 알지 못하고 할 수 있지만, 선택 알고리즘에 의해 주어진 솔루션의 구현, 대수 및 기하학적 해석을 반드시 이해해야합니다.