Hay varios usos distintos:
- estimación de densidad de kernel
- truco del núcleo
- núcleo de suavizado
Por favor explique lo que significa el «núcleo» en ellos, en inglés, en sus propias palabras.
Respuestas
¿Demasiados anuncios?
palmsey
Puntos
3799
Parecen existir al menos dos significados diferentes de "kernel": uno de los más comúnmente utilizados en las estadísticas; la otra en el aprendizaje de máquina.
En las estadísticas de "kernel" es más comúnmente utilizado para referirse a la estimación de densidad de kernel y kernel smoothing.
Una sencilla explicación de los núcleos en la estimación de densidad se puede encontrar (aquí).
En el aprendizaje de máquina "núcleo" se utiliza generalmente para referirse al núcleo truco, un método de utilización de un clasificador lineal para resolver un problema no lineal "mediante la asignación de la original no-lineal de las observaciones dentro de un mayor espacio tridimensional".
Una simple visualización podría ser la imagen de que todos los de la clase $0$ se con radio $r$ de el origen en x, y avión (clase $0$: $x^2 + y^2 < r^2$); y todos los de la clase $1$ están más allá de radio $r$ en ese avión (clase $1$: $x^2 + y^2 > r^2$). No lineal separador es posible, pero claramente un círculo de radio $r$ perfectamente separados los datos. Podemos transformar los datos en el espacio tridimensional mediante el cálculo de tres nuevas variables $x^2$, $y^2$ y $\sqrt{2}xy$. Las dos clases de ahora va a ser separables por un avión en el este de 3 dimensiones del espacio. La ecuación de esa manera óptima separación de hyperplane donde $z_1 = x^2, z_2 = y^2$ y $z_3 = \sqrt{2}xy$ es $z_1 + z_2 = 1$, y en este caso, se omite $z_3$. (Si el círculo es off-set desde el origen, la óptima separación de hyperplane variará en $z_3$). El núcleo es la asignación de la función que calcula el valor de la 2-dimensional de datos en el espacio 3-dimensional.
En matemáticas, hay otros usos de "núcleos", pero estos parecen ser los principales en las estadísticas.
En estadística (estimación de densidad de kernel o núcleo alisar) y literatura de la máquina (métodos kernel) de aprendizaje, núcleo se utiliza como una medida de similitud. En particular, el núcleo de la función $k(x,.) $ define distribución de similitudes de puntos alrededor de un punto dado $x$. $ $k(x,y) denota la semejanza del punto $x$ con otro dado punto de $y$.
