Machine learning 各向同性核的解释

什么是各向同性核。它的特点是什么。我们如何在非参数回归（如核回归）中使用它？直观的解释和度量将很有帮助。

各向同性内核是一个只依赖于内核参数距离的内核

K(x,y) = f(||x-y||)

| | |

是任何合适的规范，通常是二语规范

直觉上，这意味着偏差的方向并不重要。例如，在两个维度中，变量

x1

的变化与变量

x2

的变化同等重要，这当然是一个过于强烈的假设。因此，预测变量通常被适当地缩放

---

如何在回归中使用它？与任何其他内核一样，它通常更简单，因为参数的数量通常非常少。例如，各向同性高斯函数只有一个参数。

您所指的属性是“平稳性”，而不是“各向同性”。各向同性与各向异性内核的一个例子是平方指数（也称为高斯或RBF）内核与ARD内核的比较。@克里斯：对不起，你的说法是错误的，请参阅。相比之下，“平稳性”是一个更为宽泛的术语。虽然我在总体方案中看到了你的观点，但在与内核和基于内核的方法相关的文献中，这些术语具有非常具体的含义（参见示例）。例如，可以使用各向同性非平稳核或各向异性平稳核。各向异性静态内核的一个例子是我上面提到的ARD内核。@Chris:当然。在你的表格中，请在第302页的顶部。各向同性核的定义和我在回答中写的一模一样。@Chris：同样，是的，平稳性和各向同性是不同的性质。没有人质疑这一点。但在OP中特别要求各向同性，在论文的定义中，各向同性对应于“静止各向同性”。对于各向同性（或称之为静止各向同性），我给出了足够精确的定义。当问到各向同性时，是否还有各向异性或非平稳性等其他概念并不重要。我投票结束这个问题，因为它与编程无关