Recurso Aleatório

term_id: random_feature

Category: basic_concepts

Definition

Os mapas de recursos aleatórios transformam entradas em um novo espaço onde modelos lineares podem aproximar funções de kernel não-lineares. Essa abordagem, frequentemente associada ao método de Nystrom ou recursos de Fourier, permite eficiência computacional.

Summary

Uma técnica que mapeia dados de entrada para um espaço de dimensão superior usando projeções aleatórias para aproximar métodos de kernel de forma eficiente.

Key Concepts

  • Aproximação de Kernel
  • Mapeamento de Recursos
  • Eficiência Computacional
  • Linearização

Use Cases

  • Regressão de kernel em grande escala
  • Aproximação do Neural Tangent Kernel
  • Processos Gaussianos escaláveis

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)