RKHS相关理论
文章平均质量分 91
SVM背后的RKHS相关数学理论
CaptainQiu-WHU
学习学习玩玩玩
展开
-
再生核希尔伯特空间(RKHS)漫谈(二):Mecer‘s Theorem
欢迎访问我的个人博客https://qddmj.cn,有更多最新的内容上一章讨论了RKHS相关的定义,我们知道了只要找到一个正定的核函数(positive define kernel),那么一定有这样一个希尔伯特空间,里面的所有元素可以用f(x)=⟨f(⋅),k(⋅,x)⟩,∀f∈Hf(x)=\langle f(\cdot),k(\cdot,x)\rangle , \forall f\in \mathcal{H}f(x)=⟨f(⋅),k(⋅,x)⟩,∀f∈H“再生”出来,利用这个性质可以让我们用核函.原创 2021-03-30 11:14:04 · 583 阅读 · 0 评论 -
再生核希尔伯特空间(RKHS)漫谈(一):定义
这次系列文章主要进行RKHS相关的理论推导,以便对机器学习中的核方法和核技巧有更深的理解。我们熟悉的SVM的推导中包含了一些数学技巧,包括最优化理论中的对偶问题,以及初学者很难理解的Reproducing Kernel Hilbert Space (RKHS)。其实RKHS是泛函分析中的一个研究对象,它的难点主要在一些泛函分析的前置知识,只要理解了泛函的一些基本概念和定理,再来看RKHS就会容易很多。SVM中的Kernel TrickSVM中的核技巧,就是在样本线性不可分的情况下,将样本映射到一个更高原创 2021-03-30 10:52:30 · 1215 阅读 · 0 评论