Náhodná feature

term_id: random_feature

Category: basic_concepts

Definition

Mapování náhodných feature transformuje vstupy do nového prostoru, kde lineární modely mohou aproximovat nelineární funkce kernelu. Tento přístup, často spojený s metodou Nystromovou nebo Fourierovými feature, umožňuje…

Summary

Technika, která mapuje vstupní data do prostoru vyšší dimenze pomocí náhodných projekcí, aby efektivně aproximovala metody založené na kernelu.

Key Concepts

  • Aproximace kernelu
  • Mapování feature
  • Výpočetní účinnost
  • Linearizace

Use Cases

  • Regrese kernelu ve velkém měřítku
  • Aproximace jádra neuronové tangenty
  • Škálovatelné Gaussovy procesy

Code Example

1
2
3
4
5

import numpy as np
from sklearn.kernel_approximation import RBFSampler
X = np.random.rand(100, 5)
transformer = RBFSampler(gamma=1, n_components=50, random_state=42)
X_transformed = transformer.fit_transform(X)

Related