Bagaimana untuk membuktikan bahwa fungsi dasar radial adalah sebuah kernel? Sejauh yang saya mengerti, untuk membuktikan ini kita harus membuktikan salah satu dari yang berikut:
Untuk setiap set vektor matriks = adalah semidefinite positif.
Sebuah pemetaan dapat disajikan seperti = .
Ada bantuan?
svm
kernel-trick
Leo
sumber
sumber
Jawaban:
Metode Zen yang digunakan 1. Berikut adalah metode 2: Petax ke distribusi Gaussian simetris bola yang berpusat di x di ruang Hilbert L2 . Deviasi standar dan faktor konstan harus diubah agar ini berfungsi dengan tepat. Misalnya, dalam satu dimensi,
Jadi, gunakan deviasi standar dan skala distribusi Gaussian untuk mendapatkank(x,y)=⟨Φ(x),Φ(y)⟩. Rescaling terakhir ini terjadi karenaL2norma dari distribusi normal tidak1pada umumnya.σ/2–√ k(x,y)=⟨Φ(x),Φ(y)⟩ L2 1
sumber
Saya akan menggunakan metode 1. Periksa jawaban Douglas Zare untuk bukti menggunakan metode 2.
Saya akan membuktikan kasus ketika adalah bilangan real, sehingga k ( x , y ) = exp ( - ( x - y ) 2 / 2 σ 2 ) . Kasus umum mengikuti mutatis mutandis dari argumen yang sama, dan layak dilakukan.x,y k(x,y)=exp(−(x−y)2/2σ2)
Tanpa kehilangan sifat umum, anggaplah bahwa .σ2=1
Tulis , di mana h ( t ) = exp ( - t 2k(x,y)=h(x−y) adalah fungsi karakteristik dari variabel acakZdengandistribusiN(0,1).
Untuk memahami hasil ini secara umum, lihat Teorema Bochner: http://en.wikipedia.org/wiki/Positive-definite_function
sumber
Bukti: Untuk setiap dan setiap kita memilikinya . Mengambil batas sebagai memberikan properti yang sama untuk .m,n≥1 {(xi,ci)}mi=1⊆X×R ∑mi=1ciκn(xi,xj)cj≥0 n→∞ κ
Produk: Jika dan adalah kernel pd, demikian juga .κ1 κ2 g(x,y)=κ1(x,y)κ2(x,y)
Bukti: Ini mengikuti langsung dari teorema produk Schur , tetapi Schölkopf dan Smola (2002) memberikan bukti dasar yang bagus berikut ini. Biarkan independen. Dengan demikian Matriks kovarian harus psd, jadi pertimbangkan matriks kovarian dari membuktikannya.
Powers: Jika adalah kernel pd, demikian juga untuk bilangan bulat positif .κ κn(x,y):=κ(x,y)n n
Bukti: langsung dari properti "produk".
Eksponen: Jika adalah kernel pd, maka adalah .κ eκ(x,y):=exp(κ(x,y))
Bukti: Kami memiliki ; gunakan properti "kekuatan", "skala", "jumlah", dan "batas".eκ(x,y)=limN→∞∑Nn=01n!κ(x,y)n
Fungsi: Jika adalah kernel pd dan , juga.κ f:X→R g(x,y):=f(x)κ(x,y)f(y)
Bukti: Gunakan peta fitur .x↦f(x)φ(x)
Sekarang, perhatikan bahwa Mulai dengan kernel linear , terapkan "skala" dengan , terapkan "eksponen", dan terapkan "fungsi" dengan .
sumber