An Introduction to Kernel Methods (3) - Infinite Dimensional Feature Space
무한차원특성공간 vs 유한차원특성공간Permalink
커널 트릭에서 살펴보았듯이, 커널을 이용하면 데이터셋을 특성 매핑(feature mapping)을 사용하지 않고도 동일한 연산을 수행할 수 있다. Input Space
유한차원특성공간 - 다항커널Permalink
다항커널(Polynominal Kernel)은 특성공간이 유한차원으로 나타나는 대표적인 예시이다.
Input Space가 k차원 유클리드공간
로 주어지며, 여기서
앞서 말한것과 같이 커널은 특성공간의 내적에 대응하므로
이 성립한다. 이때
따라서 위의 대응관계가 성립하기 위해 특성공간은
의 형태로 주어져야 한다. 이때 특성공간
로 주어진다. 이를 통해 다항커널에 대응하는 특성공간이 유한차원임을 알 수 있다.
무한차원특성공간 - RBF 커널Permalink
반면, 가우시안 방사함수 커널(Radial Basis Function)의 경우 특성공간이 유한차원으로 주어지지 않는데, 다음과 같은 전개를 통해 확인할 수 있다. 우선 위에서와 마찬가지로, Input Space가
이로부터 방사커널의 특성공간이
로 주어짐을 확인할 수 있다. 이때, 각 인덱스
ReferencesPermalink
- Shashua, Amnon (2009). “Introduction to Machine Learning: Class Notes 67577”
Leave a comment