Slumpmässig funktion

term_id: random_feature

Category: basic_concepts

Definition

Slumpmässiga funktionsavbildningar transformerar indata till ett nytt rum där linjära modeller kan approximera icke-linjära kärnfunktioner. Denna metod, ofta associerad med Nystrom-metoden eller Fourier-funktioner, möjliggör skalbar beräkning av kärnmetoder utan att explicit beräkna den fullständiga kärnmatrisen.

Summary

En teknik som avbildar indata till ett högdimensionellt rum med hjälp av slumpmässiga projektioner för att effektivt approximera kärnmetoder.

Key Concepts

  • Kärnapproximation
  • Funktionsavbildning
  • Beräkningseffektivitet
  • Linjärisering

Use Cases

  • Storskalig kärnregression
  • Approximation av neurala tangentkärnor
  • Skalbara Gaussiska processer

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