The Trik kernel yang digunakan dalam beberapa model pembelajaran mesin (misalnya SVM ). Ini pertama kali diperkenalkan dalam makalah "Fondasi teoretis dari metode fungsi potensial dalam pembelajaran pengenalan pola" pada tahun 1964.
Definisi wikipedia mengatakan itu
metode untuk menggunakan algoritma classifier linier untuk memecahkan masalah non-linear dengan memetakan pengamatan non-linear asli ke dalam ruang dimensi yang lebih tinggi, di mana classifier linier selanjutnya digunakan; ini membuat klasifikasi linier di ruang baru setara dengan klasifikasi non-linear di ruang asli.
Salah satu contoh model linier yang telah diperluas ke masalah non-linear adalah PCA kernel . Dapatkah trik kernel diterapkan pada model linier apa pun, atau apakah ada batasan tertentu?
Jawaban:
Trik kernel hanya dapat diterapkan pada model linier di mana contoh dalam perumusan masalah muncul sebagai produk titik (Dukungan Mesin Vektor, PCA, dll).
sumber
Dua referensi lebih lanjut dari B. Schölkopf :
dan situs web yang didedikasikan untuk mesin kernel .
sumber
@ ebony1 memberikan poin kunci (+1), saya adalah penulis pendamping dari makalah yang membahas bagaimana mem-kernel-kan model linear umum, misalnya regresi logistik dan regresi Poisson, cukup mudah.
GC Cawley, GJ Janacek dan NLC Talbot, mesin kernel Generalized, dalam Prosiding Konferensi Gabungan Internasional IEEE / INNS tentang Jaringan Saraf (IJCNN-2007), halaman 1732-1737, Orlando, Florida, AS, 12-17 Agustus 2007. ( www , pdf )
Saya juga menulis toolbox (kualitas penelitian) MATLAB (sayangnya tidak ada instruksi), yang dapat Anda temukan di sini .
Mampu memodelkan target distribusi cukup berguna dalam quanification ketidakpastian dll. Sehingga merupakan tambahan yang berguna (jika cukup tambahan) untuk metode pembelajaran kernel.
sumber