KernelmethodenEs handelt sich um eine Art Mustererkennungsalgorithmus, dessen Zweck darin besteht, die gegenseitigen Beziehungen in einem Datensatz zu finden und zu erlernen.

Die Kernelmethode basiert auf der folgenden Annahme: „Eine Punktmenge, die in einem niedrigdimensionalen Raum nicht linear getrennt werden kann, kann nach der Transformation in eine Punktmenge in einem hochdimensionalen Raum linear trennbar werden.“

Grundlegendes Verständnis von Kernelmethoden: Muster in den Originaldaten können einfach in einem bestimmten Dimensionsraum ausgedrückt werden, wobei sich „einfacher Ausdruck“ auf lineare Beziehungen bezieht. Kernelmethoden lösen das Problem, wie Daten einem bestimmten Dimensionsraum zugeordnet werden.

Die allgemeinen Verarbeitungsschritte der Kernelmethode sind:

• Verarbeiten Sie verschiedene Datentypen in entsprechenden Kernelmatrizen.
• Verwenden Sie die Kernelmatrix, um Muster in den Daten zu finden.

Aus einer anderen Perspektive kann die Kernelmethode auch als mathematische Konstruktion eines besser interpretierbaren einschichtigen neuronalen Netzwerks verstanden werden.

Derzeit werden Kernelmethoden häufig in den Bereichen Text, Sprache, Bild und anderen Bereichen eingesetzt.

Verweise

【1】http://yongqwang.com/public/res_mat/K_Intro_01.pdf