Fitur Acak

term_id: random_feature

Category: basic_concepts

Definition

Pemetaan fitur acak mengubah input ke ruang baru di mana model linier dapat mengaproksimasi fungsi kernel non-linier. Pendekatan ini, yang sering dikaitkan dengan metode Nystrom atau fitur Fourier, memungkinkan komputasi yang lebih cepat dan skalabel.

Summary

Sebuah teknik yang memetakan data input ke ruang berdimensi lebih tinggi menggunakan proyeksi acak untuk mengaproksimasi metode kernel secara efisien.

Key Concepts

  • Aproksimasi kernel
  • Pemetaan fitur
  • Efisiensi komputasi
  • Linierisasi

Use Cases

  • Regresi kernel skala besar
  • Aproksimasi Neural Tangent Kernel
  • Proses Gaussian yang skalabel

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