1.3. Kernel ridge regression(内核岭回归)

1.3. Kernel ridge regression

一、简介

在这里插入图片描述

Kernel ridge regression (KRR) (内核岭回归)常规岭回归 采用了 “核方法”,因此可以拟合非线性的函数。对于每个非线性的核,它对应了原始空间里的一个非线性的函数。

二、“核方法”简介

参考西瓜书,我们认为,在原始空间里线性函数无法拟合的关系也许 能在高维空间里的线性关系拟合 (这里的说法并不严谨,但意思没错)

按照我这种常人的想法,为了能成功调用线性算法,我会对数据进行“升维”。但是显然,这种“升维”并不现实,我们总不可能强行补n个维度(包括其中的数据),然后还能正巧然这n个维度使得数据可以线性划分。

于是,聪明人想出一种办法。它们先假设数据能在高维中展开,然后我们再根据目标函数在高维中的优化式,定义数据在高维的运算(数据间结构中,体现最多的距离,高维的距离称之为范数,又由不同的内积计算,所以我们一般会选择不同的内积计算方式去

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值