Statystyki i duże zbiory danych kernel-trick

1

Regularyzowana regresja liniowa vs. regresja RKHS

Badam różnicę między regularyzacją w regresji RKHS a regresją liniową, ale trudno mi zrozumieć kluczową różnicę między nimi. Biorąc pod uwagę pary wejścia-wyjścia , chcę oszacować funkcję w następujący sposób gdzie jest funkcją jądra. Współczynniki można znaleźć, rozwiązując gdzie, z pewnym nadużyciem notacji, i, j wpis w macierzy K jądra …

9 regression generalized-linear-model regularization kernel-trick rbf-kernel

2

Którego jądra SVM należy użyć do problemu klasyfikacji binarnej?

Jestem początkującym, jeśli chodzi o obsługę maszyn wektorowych. Czy istnieją jakieś wytyczne, które mówią, które jądro (np. Liniowe, wielomianowe) najlepiej nadaje się do określonego problemu? W moim przypadku muszę klasyfikować strony internetowe według tego, czy zawierają one określone informacje, czy nie, tj. Mam problem z klasyfikacją binarną. Czy możesz ogólnie …

9 classification svm model-selection libsvm kernel-trick

2

Zastosowanie parametru Gamma w maszynach wektorów pomocniczych

Podczas używania libsvmparametr jest parametrem funkcji jądra. Jego domyślna wartość toγγ\gammaγ=1number of features.γ=1number of features.\gamma = \frac{1}{\text{number of features.}} Czy istnieją jakieś teoretyczne wskazówki dotyczące konfigurowania tego parametru oprócz istniejących metod, np. Wyszukiwania siatki?

9 machine-learning svm data-mining libsvm kernel-trick

2

Czy do wyboru funkcji można użyć jądra PCA?

Czy można używać analizy głównych składników jądra (kPCA) do latentnego indeksowania semantycznego (LSI) w taki sam sposób, jak w przypadku PCA? Wykonuję LSI in R za pomocą prcompfunkcji PCA i wydobywam cechy z najwyższymi obciążeniami od pierwszegokkkskładniki. Dzięki temu uzyskuję funkcje najlepiej opisujące komponent. Próbowałem użyć kpcafunkcji (z kernlibpakietu), ale …

9 r pca feature-selection kernel-trick

Pytania otagowane jako kernel-trick