Czy analiza funkcjonalna i przestrzenie Hilberta są przydatne w uczeniu maszynowym? Jeśli tak to jak?

Zastanawiałem się, w jaki sposób przestrzenie Hilberta i analiza funkcjonalna są przydatne w uczeniu maszynowym? Myślałem, że uczenie maszynowe jest mieszanką statystyki, informatyki i optymalizacji. Jak ma się do tego analiza funkcjonalna?

Cała teoria odtwarzalnej przestrzeni systemowej jądra, leżąca u podstaw rozwoju wektorów pomocniczych i strukturalnych maszyn SVM, oparta jest na teorii przestrzeni Hilberta. Również opracowanie niektórych aplikacji SVM, takich jak wykrywanie wartości odstających, które opiera się na idei oszacowania wsparcia nieznanego rozkładu prawdopodobieństwa (patrz Szacowanie wsparcia rozkładu wielowymiarowego, Schölkopf i in. ).

Wystarczy dodać do odpowiedzi @SmallChess. W praktyce możesz to zrobić bez dobrej znajomości, ale z pewnością musisz zrozumieć implementacje, zaangażowaną algebrę i geometryczne interpretacje rozwiązań podanych przez wybrany algorytm.