今天偶尔学了一下MMD, mark一下
源头
中文讲解不错的
核方法
Kernel Distribution Embedding
我的理解是为了衡量两个分布在各方面的是否相似,这里使用了核函数将分布映射到无穷维度,并且使用了kernel mean embedding以及RSKH空间中内积的性质,将sup去掉转化成了期望的无偏估计的模,最后因为是无穷维度的映射所以使用了核技巧没有显式构建映射函数,而是使用了核函数进行求解,具体核函数的选择对于分布的度量的有效性有很大影响。
今天偶尔学了一下MMD, mark一下
源头
中文讲解不错的
核方法
Kernel Distribution Embedding
我的理解是为了衡量两个分布在各方面的是否相似,这里使用了核函数将分布映射到无穷维度,并且使用了kernel mean embedding以及RSKH空间中内积的性质,将sup去掉转化成了期望的无偏估计的模,最后因为是无穷维度的映射所以使用了核技巧没有显式构建映射函数,而是使用了核函数进行求解,具体核函数的选择对于分布的度量的有效性有很大影响。