Bayesiansk tolkning av kärnregularisering
term_id: bayesian_interpretation_of_kernel_regularization
Category: training_techniques
Definition
Detta koncept fastslår att minimering av en regulariserad riskfunktional med en specifik kärna är ekvivalent med att hitta maximum a posteriori (MAP)-skattningen i ett bayesianskt ramverk. Specifikt innebär det att
Summary
Ett teoretiskt ramverk som länkar kärnmetoder som SVM till Gaussprocesser under ett bayesianskt priorantagande.
Key Concepts
- Gaussprocesser
- Maximum a posteriori
- Regularisering som prior
- Kärnmetoder
Use Cases
- Förståelse av SVM:s teoretiska grundvalar
- Tillämpning av GP-tekniker på kärnregression
- Upphämtning av osäkerhetsuppskattningar för deterministiska modeller