Bayesovská interpretace kernové regularizace
term_id: bayesian_interpretation_of_kernel_regularization
Category: training_techniques
Definition
Tento koncept stanovuje, že minimalizace regularizovaného funkcionálu rizika s konkrétním kernem je ekvivalentní nalezení odhadu maximální posteriorní pravděpodobnosti (MAP) v bayesovském rámci. Konkrétně to
Summary
Teoretický rámec spojující kernové metody, jako jsou SVM, s Gaussovskými procesy za předpokladu bayesovské apriorní distribuce.
Key Concepts
- Gaussovské procesy
- Maximální posteriorní pravděpodobnost
- Regularizace jako prior
- Kernové metody
Use Cases
- Porozumění teoretickým základům SVM
- Aplikace technik GP na kernovou regresi
- Odvozování odhadů nejistoty pro deterministické modely