scikit-learn：4.6. Kernel Approximation

最新推荐文章于 2025-01-14 09:00:00 发布

mmc2015

最新推荐文章于 2025-01-14 09:00:00 发布

阅读量3.4k

点赞数 2

分类专栏： scikit-learn scikit-learn

本文链接：https://blog.youkuaiyun.com/mmc2015/article/details/47068223

版权

本文介绍了scikit-learn库中用于核近似的几种方法，包括Nystroem方法、径向基函数核、加性卡方核和偏斜卡方核。这些方法主要用于在线学习和处理大数据集，特别是Nystroem方法通过数据子采样实现低秩近似。建议在可能的情况下，结合精确和近似核方法进行比较使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：http://scikit-learn.org/stable/modules/kernel_approximation.html

之所以使用approximate explicit feature maps compared to the kernel trick, 是因为这样便于online learning，且能够适用于大数据集。但是还是建议，如果可能，approximate and exact kernel methods应该对比着用。

1、Nystroem Method for Kernel Approximation

Nystroem is a general method for low-rank approximations of kernels. It achieves this by essentially subsampling the data on which the kernel is evaluated. 默认情况下，Nystroem 使用rbf kernel，也可以自定义。 The number of samples used - which is also the dimensionality of the features computed - is given by the parameter