هسته تابع پایه شعاعی

از testwiki
پرش به ناوبری پرش به جستجو

در یادگیری ماشین، هسته تابع پایه شعاعی، یا هسته RBF، یک تابع هسته محبوب است که در الگوریتم‌های یادگیری مختلف هسته ای استفاده می‌شود. به‌طور خاص، معمولاً در دسته‌بندی ماشین بردار پشتیبانی استفاده می‌شود. هسته RBF در دو نمونه x و x '، به عنوان بردارهای ویژگی در برخی از فضای ورودی، به صورت زیر تعریف می‌شود:

K(𝐱,𝐱)=exp(𝐱𝐱22σ2)

𝐱𝐱2ممکن است به عنوان فاصله اقلیدسی مربع بین دو بردار ویژگی شناخته شود. چون که مقدار هسته RBF با فاصله و فاصله بین صفر (در حد) و یک (هنگامی که x = x ') کاهش می‌یابد، آن را یک بیان آماده به عنوان یک اندازه همسان می‌نامند. فضای ویژگی هسته تعداد بی شماری ابعاد دارد. برای σ=1داریم:

exp(12𝐱𝐱2)=j=0(𝐱𝐱)jj!exp(12𝐱2)exp(12𝐱2)=j=0ni=jexp(12𝐱2)x1n1xknkn1!nk!exp(12𝐱2)x1n1xknkn1!nk!

تقریب‌ها

از آنجایی که پشتیبانی از ماشین‌های بردار و سایر مدل‌های استفاده شده از ترفند هسته برای تعداد زیادی از نمونه‌های آموزش یا تعداد زیادی از ویژگی‌های در فضای ورودی خوب نیستند، چندین تقریب به هسته RBF (و هسته‌های مشابه) معرفی شده‌است. این‌ها به صورت یک تابع z به کار می‌روند که یک بردار تک را به یک بردار از ابعاد بالاتر نشان می‌دهد. پس تقریب هسته به صورت زیر است:

z(𝐱),z(𝐱)φ(𝐱),φ(𝐱)=K(𝐱,𝐱)

جایی که φیک مپ مطلق محاط شده در هسته است. یک راه برای ساختن چنین z به صورت تصادفی استفاده از انتقال فوریه هسته است. در رویکرد دیگری از [[روش نیستروم|روش نیسترومالگو:انگلیسی]] برای تقریب استفاده می‌شود.

جستارهای وابسته

منابع

الگو:پانویس

https://en.wikipedia.org/wiki/Radial_basis_function_kernel