Willekeurig kenmerk
term_id: random_feature
Category: basic_concepts
Definition
Willekeurige kenmerkafbeeldingen transformeren inputs naar een nieuwe ruimte waar lineaire modellen niet-lineaire kernel-functies kunnen benaderen. Deze aanpak, vaak geassocieerd met de Nystrom-methode of Fourier-kenmerken, maakt lineaire benaderingen mogelijk van niet-lineaire operaties.
Summary
Een techniek die invoergegevens naar een ruimte met hogere dimensies mapt met behulp van willekeurige projecties om kerneffectieve methoden efficiënt te benaderen.
Key Concepts
- Kernbenadering
- Kenmerkafbeelding
- Rekenkundige efficiëntie
- Linearisering
Use Cases
- Kernregressie op grote schaal
- Benadering van de Neural Tangent Kernel
- Schaalbare Gaussische processen
Code Example
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)