Scribd
Cargar
118 vistas2 páginas

Que Es El Kernel

El kernel es un método para el análisis de patrones que utiliza funciones núcleo para operar en un espacio de características de alta dimensión sin calcular explícitamente las coordenadas de los datos. Los kernels permiten calcular productos internos entre pares de datos de forma más eficiente. Existen diferentes tipos de kernels como el lineal, polinomial y de base radial (RBF), cada uno con propiedades diferentes para mapear los datos a diferentes espacios dimensionales.

Cargado por

Aldair Jimenez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
118 vistas2 páginas

Que Es El Kernel

El kernel es un método para el análisis de patrones que utiliza funciones núcleo para operar en un espacio de características de alta dimensión sin calcular explícitamente las coordenadas de los datos. Los kernels permiten calcular productos internos entre pares de datos de forma más eficiente. Existen diferentes tipos de kernels como el lineal, polinomial y de base radial (RBF), cada uno con propiedades diferentes para mapear los datos a diferentes espacios dimensionales.

Cargado por

Aldair Jimenez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

Que es el kernel

En machine learning es un método para el análisis de patrones, cuyo miembro mas conocido son
las maquinas de vectores de soporte. La tarea general del análisis de patrones es encontrar y
estudiar tipos generales de relaciones de conjunto de datos, los kernel deben su nombre al uso de
las funciones de núcleo, que les permite operar en un espacio de características implícito y de alta
dimensión sin tener que calcular nunca las coordenadas de los datos en ese espacio, sino
simplemente calculando los productos internos entre las imágenes de todos los pares de datos en
el espacio de características, esta operación es a menudo mas barata que el calculo explícito de las
coordenadas.

Su función

Es permitirnos operar en el espacio de la característica original sin calcular las coordenadas de los
datos en un espacio dimensional superior.

Lo que el kernel hace por nosotros es ofrecer una manera mas eficiente y menos costosa de
transformar los datos en dimensiones superiores, el kernel no se limita al algoritmo de maquinas
de vectores de soporte, cualquier calculo que involucre los productos de (x,y) puede utilizar este
método funciones de kernel.

Diferentes tipos de kernel

Kernel lineal

Puede ser utilizado como el producto normal de dos observaciones dadas, el producto entre dos
vectores es la suma de la multiplicación de cada par de valores de entrada.

Kernel polinomial

Este es una forma más generalizada del núcleo lineal. el kernel polinomial no solo observa las
características dadas por las muestras de entrada para determinar su similitud, sino también las
combinaciones de estas, con n características originales y d grados de polinomio produce n ^d
características expandidas.
Kernel de base radial o RBF

Se le llama kernel [Link] puede mapear un espacio de entrada en un espacio dimensional


infinito. aquí gamma es un parámetro que va de 0 a 1. un valor más alto de gamma encajará
perfectamente en el conjunto de datos de entrenamiento, lo que provoca un ajuste excesivo.
gamma igual a 0.1 se considera un buen valor por defecto.

También podría gustarte