2014-05-08 パターン認識と機械学習入門 第10回 参加メモ 機械学習 資料 スライド カーネル法 カーネル関数 k(x, x') を用いる統計的学習法の総称 グラム行列の次元は学習データの数に等しい カーネル法の利点 カーネル関数の値は Ψ(x) がいかに高次元でもスカラーとなる 計画行列 X は特徴空間の次元 M とデータ数 N に対して N×M 行列なので、モデルが複雑になるほど計算量が増える.一方、グラム行列 K は常に N×N 行列 カーネル関数の満たす条件 関数 k(x,x') が適切なカーネル関数であるためには、なんらかの変換関数ψを用いて k(x,x') = Σ ψ_i(x) ψ_i(x') と表せることが必要. 有名なカーネル関数 線形カーネル (linear kernel) ガウスカーネル (Gaussian kernel) 多項式カーネル (polynomial kernel) カーネル密度推定法 カーネル密度推定法は母集団の分布を推定するノンパラメトリック(分布の形状に関する仮定を置かない)な手法. 各データ点 x_1, x_2, ..., x_n を中心に正規分布などを置き、それらを重ね合わせた分布によって母分布を近似する