Característica aleatoria

term_id: random_feature

Category: basic_concepts

Definition

Los mapas de características aleatorias transforman las entradas en un nuevo espacio donde los modelos lineales pueden aproximar funciones de núcleo no lineales. Este enfoque, a menudo asociado con el método de Nyström o las características de Fourier, permite escalar el cálculo de núcleos.

Summary

Una técnica que mapea datos de entrada a un espacio de mayor dimensión utilizando proyecciones aleatorias para aproximar métodos de núcleo de manera eficiente.

Key Concepts

  • Aproximación de núcleos
  • Mapeo de características
  • Eficiencia computacional
  • Linealización

Use Cases

  • Regresión de núcleos a gran escala
  • Aproximación del núcleo tangente neuronal
  • Procesos gaussianos escalables

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