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

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