Как явное приближённое kernel-отображение позволяет SGD учить нелинейные границы?
Classic MLУровень: ПрактикаNonlinear learning with linear solvers
Как явное приближённое kernel-отображение позволяет SGD учить нелинейные границы?
Подсказки
- Линейность в новых признаках не равна линейности исходного входа.
- Приближение заменяет неявное вычисление ядра.
Ответ
Преобразуйте входы в нелинейные признаки со скалярными произведениями, приближающими ядро, и обучите там линейную модель. Предиктор нелинеен в исходном пространстве без полной точной kernel-матрицы.
Источник и лицензия: scikit-learn 1.7.2 — kernel approximation · BSD-3-Clause · ответ: редакция Quantoros · перевод: Quantoros