Bayesiansk fortolkning af kerneregularisering
term_id: bayesian_interpretation_of_kernel_regularization
Category: training_techniques
Definition
Dette koncept fastslår, at minimering af en regulariseret risikofunktion med en bestemt kerne er ækvivalent med at finde maximum a posteriori (MAP)-estimatet i et bayesiansk rammeværk. Specifikt
Summary
Et teoretisk rammeværk, der forbinder kernemetoder som SVM’er med Gaussiske Processer under en bayesiansk priorantagelse.
Key Concepts
- Gaussiske Processer
- Maximum A Posteriori
- Regularisering som prior
- Kernemetoder
Use Cases
- Forståelse af SVM-teoretiske fundamentale principper
- Anvendelse af GP-teknikker til kerneregression
- Udledning af usikkerhedsestimater for deterministiske modeller