Случайная функция признака

term_id: random_feature

Category: basic_concepts

Definition

Отображения случайных признаков преобразуют входные данные в новое пространство, где линейные модели могут аппроксимировать нелинейные ядерные функции. Этот подход, часто связанный с методом Ньютона или фурье-признаками, позволяет…

Summary

Техника, отображающая входные данные в пространство более высокой размерности с использованием случайных проекций для эффективной аппроксимации ядерных методов.

Key Concepts

  • Аппроксимация ядра
  • Отображение признаков
  • Вычислительная эффективность
  • Линеаризация

Use Cases

  • Ядерная регрессия в больших масштабах
  • Аппроксимация ядра нейронного касательного (NTK)
  • Масштабируемые гауссовские процессы

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)

Связанные