カーネル メソッドとは

機械学習の分野では、カーネル マシンはパターン分析のためのメソッドのクラスです。 サポート ベクター マシン (SVM とも呼ばれる) は、このグループの最もよく知られたメンバーです。 パターン分析では、カーネル アプローチとして知られる特定の種類のアルゴリズムが頻繁に使用されます。 これらの戦略には、非線形問題を解決するために線形分類器を利用することが必要です。 データセット内に存在するさまざまな種類の一般関係を見つけて研究することは、パターン分析の最も重要な目標です。 一方、カーネル メソッドでは、ユーザー指定のカーネルのみが必要です。カーネルは、内積を使用して計算されるデータ ポイントのすべてのペアにわたる類似度関数と考えることができます。 これは、これらのタスクを解決する多くのアルゴリズムとは対照的です。アルゴリズムでは、生の表現のデータを、ユーザー指定の特徴マップを介して特徴ベクトル表現に明示的に変換する必要があります。 Representer 定理によれば、カーネル マシンの特徴マップの次元数は無制限ですが、ユーザー入力として必要なのは、次元数が有限の行列だけです。 並列処理がないと、数千を超える個々のケースを含むデータ セットの場合、カーネル マシンでの計算が非常に遅くなります。

メリット

(I ) 以下のトピックに関する洞察と検証:

第 1 章: カーネル メソッド

第 2 章: サポート ベクター マシン

第 3 章: 放射基底関数

第 4 章: 正定値カーネル

第 5 章: 逐次最小最適化

第 6 章: サポート ベクター マシンの正則化の観点

第 7 章 : 表現者定理

第 8 章: 動径基底関数カーネル

第 9 章: カーネル パーセプトロン

第 10 章: 正則化最小二乗法

( II) カーネル メソッドに関する一般のよくある質問に答える。

(III) 多くの分野でのカーネル メソッドの使用例の実例。

(IV) 17 の付録で簡単に説明する 、カーネル メソッドのテクノロジを 360 度完全に理解できるよう、各業界の 266 の新興テクノロジを紹介します。

本書の対象者

専門家、大学生、学生 大学院生、愛好家、愛好家、あらゆる種類のカーネル メソッドに関する基本的な知識や情報を超えたいと考えている人。