kernel-trick पर टैग किए गए जवाब

कर्नेल विधियों का उपयोग मशीन लर्निंग में गैर-रेखीय स्थितियों, विशेष रूप से एसवीएम, पीसीए और जीपी के लिए रैखिक तकनीकों को सामान्य करने के लिए किया जाता है। कर्नेल घनत्व अनुमान (केडीई) और कर्नेल प्रतिगमन के लिए [कर्नेल-स्मूथिंग] के साथ भ्रमित नहीं होना चाहिए।

4
कैसे स्पष्ट रूप से समझाने के लिए कि एक गिरी क्या है?
कई मशीन लर्निंग क्लासीफायर (जैसे वेक्टर मशीनों का समर्थन) एक कर्नेल को निर्दिष्ट करने की अनुमति देते हैं। यह समझाने का एक सहज तरीका क्या होगा कि एक कर्नेल क्या है? एक पहलू जिसके बारे में मैं सोच रहा हूं वह है रैखिक और गैर-रेखीय गुठली के बीच का अंतर। …


3
एक उदाहरण: बाइनरी परिणाम के लिए ग्लासो का उपयोग करते हुए LASSO प्रतिगमन
मैं LASSO रिग्रेशन के glmnetसाथ उपयोग करने से वंचित होना शुरू कर रहा हूं, जहां मेरी रुचि के परिणाम द्विगुणित हैं । मैंने नीचे एक छोटा सा नकली डाटा फ्रेम बनाया है: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

2
सादे अंग्रेजी में "कर्नेल" क्या है?
कई विशिष्ट उपयोग हैं: कर्नेल घनत्व अनुमान गिरी चाल कर्नेल चौरसाई कृपया स्पष्ट करें कि उनमें "कर्नेल" का क्या मतलब है, सादे अंग्रेजी में, अपने शब्दों में।

4
क्या पीसीए के लिए गॉसियन कर्नेल इतना जादुई बनाता है, और सामान्य तौर पर भी?
मैं गॉसियन और बहुपद गुठली के साथ कर्नेल पीसीए ( 1 , 2 , 3 ) के बारे में पढ़ रहा था । गाऊसी कर्नेल अलग-अलग किसी भी प्रकार के गैर-डेटा डेटा को असाधारण रूप से अच्छी तरह से अलग कैसे करता है? कृपया एक सहज ज्ञान युक्त विश्लेषण दें, …

2
सदिश मशीन के लिए रैखिक कर्नेल और गैर-रेखीय कर्नेल?
समर्थन वेक्टर मशीन का उपयोग करते समय, क्या आरबीएफ जैसे रैखिक कर्नेल बनाम नॉनलाइनियर कर्नेल चुनने पर कोई दिशानिर्देश हैं? मैंने एक बार सुना है कि गैर-रैखिक कर्नेल अच्छी तरह से प्रदर्शन नहीं करता है, क्योंकि सुविधाओं की संख्या बड़ी है। क्या इस मुद्दे पर कोई संदर्भ हैं?

4
एसवीएम 'अनंत सुविधा वाला स्थान' कैसे खोज सकता है जहां रैखिक पृथक्करण हमेशा संभव है?
इस तथ्य के पीछे अंतर्ज्ञान क्या है कि एक गॉसियन कर्नेल के साथ एक एसवीएम में ite नाइट आयामी विशेषता स्थान है?

3
कैसे साबित किया जाए कि रेडियल आधार फ़ंक्शन एक कर्नेल है?
यह कैसे साबित करें कि रेडियल आधार फ़ंक्शन एक कर्नेल है? जहां तक ​​मैं समझता हूं, यह साबित करने के लिए हमें निम्नलिखित में से किसी एक को साबित करना होगा:k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2}) वैक्टर मैट्रिक्स = के किसी भी सेट के लिए सकारात्मक अर्धविराम है।x1,x2,...,xnx1,x2,...,xnx_1, x_2, ..., x_nK(x1,x2,...,xn)K(x1,x2,...,xn)K(x_1, x_2, …
35 svm  kernel-trick 

3
क्या कोई पर्यवेक्षण-सीखने की समस्या है जो (गहरी) तंत्रिका नेटवर्क स्पष्ट रूप से किसी भी अन्य तरीकों से बेहतर प्रदर्शन नहीं कर सकती है?
मैंने देखा है कि लोगों ने एसवीएम और कर्नेल पर बहुत प्रयास किए हैं, और वे मशीन लर्निंग में एक स्टार्टर के रूप में बहुत दिलचस्प लगते हैं। लेकिन अगर हम उम्मीद करते हैं कि लगभग-हमेशा हम न्यूरल नेटवर्क के मामले में बेहतर समाधान पा सकते हैं, तो इस युग …

2
एसवीएम इष्टतम सी और गामा मापदंडों का निर्धारण करने के लिए कौन सी खोज सीमा है?
मैं वर्गीकरण के लिए एसवीएम का उपयोग कर रहा हूं और मैं रैखिक और आरबीएफ गुठली के लिए इष्टतम मापदंडों को निर्धारित करने की कोशिश कर रहा हूं। रैखिक कर्नेल के लिए मैं C को निर्धारित करने के लिए क्रॉस-वेरिफ़ाइड पैरामीटर चयन का उपयोग करता हूं और RBF कर्नेल के …

3
एक एसवीएम और एक अवधारणात्मक के बीच अंतर
मैं एक एसवीएम और एक अवधारणात्मक के बीच के अंतर से थोड़ा भ्रमित हूं। मुझे यहाँ अपनी समझ को संक्षेप में प्रस्तुत करने का प्रयास करें, और कृपया यह महसूस करने के लिए स्वतंत्र महसूस करें कि मैं कहाँ गलत हूँ और जो मैंने याद किया है उसे भरें। परसेप्ट्रॉन …

4
एसवीएम में गुठली का अंतर?
क्या कोई मुझे SVM ​​में गुठली के बीच का अंतर बता सकता है: रैखिक बहुपद गाऊसी (आरबीएफ) अवग्रह क्योंकि जैसा कि हम जानते हैं कि कर्नेल का उपयोग हमारे इनपुट स्थान को उच्च आयामीता वाले स्थान में मैप करने के लिए किया जाता है। और उस सुविधा स्थान में, हम …

3
गाऊसी कर्नेल के लिए फ़ीचर मैप
एसवीएम में, गाऊसी कर्नेल को इस प्रकार परिभाषित किया गया है: जहां x, y \ in \ mathbb {R ^ n} । मैं \ phi के स्पष्ट समीकरण को नहीं जानता । मैं यह जानना चाहता हूँ।एक्स,वाई∈आरएनφK(x,y)=exp(−∥x−y∥222σ2)=ϕ(x)Tϕ(y)K(x,y)=exp⁡(−‖x−y‖222σ2)=ϕ(x)Tϕ(y)K(x,y)=\exp\left({-\frac{\|x-y\|_2^2}{2\sigma^2}}\right)=\phi(x)^T\phi(y)x,y∈Rnx,y∈Rnx, y\in \mathbb{R^n}ϕϕ\phi मैं यह भी जानना चाहता हूं कि क्या ∑iciϕ(xi)=ϕ(∑icixi)∑iciϕ(xi)=ϕ(∑icixi)\sum_ic_i\phi(x_i)=\phi \left(\sum_ic_ix_i \right) …

3
क्या कर्नेलाइज़्ड SVM के लिए ग्रेडिएंट डिसेंट संभव है (यदि ऐसा है, तो लोग द्विघात प्रोग्रामिंग का उपयोग क्यों करते हैं)?
कर्नेलयुक्त SVM से निपटने के दौरान लोग द्विघात प्रोग्रामिंग तकनीक (जैसे SMO) का उपयोग क्यों करते हैं? ग्रेडिएंट डिसेंट में क्या गलत है? क्या यह गुठली के साथ उपयोग करना असंभव है या क्या यह बहुत धीमा है (और क्यों?)। यहां थोड़ा और संदर्भ दिया गया है: एसवीएम को थोड़ा …

1
क्या कार्य एक कर्नेल हो सकता है?
मशीन लर्निंग और पैटर्न मान्यता के संदर्भ में, कर्नेल ट्रिक नामक एक अवधारणा है । उन समस्याओं का सामना करना, जहां मुझे यह निर्धारित करने के लिए कहा जाता है कि क्या कोई फ़ंक्शन कर्नेल फ़ंक्शन हो सकता है या नहीं, वास्तव में क्या किया जाना चाहिए? क्या मुझे पहले …

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.