Machine learning 核函数的级联/线性组合

Machine learning 核函数的级联/线性组合,machine-learning,kernel,classification,pattern-recognition,Machine Learning,Kernel,Classification,Pattern Recognition,我有一个关于机器学习的问题,特别是关于内核函数。假设我们有一个核函数,比如Kx,还有另一个不同的核函数,比如K'x。我想知道KK'x也是核函数吗?也就是说,如果一个内核将一个内核函数的输出馈送给另一个内核,这意味着什么?这有意义吗 另一个问题是关于已知核(如RBF、多项式和MLP)的线性组合的预期行为。假设MLP核在分类任务中的准确率为60%,RBF核为85%。与MLP相比,RBF+MLP是否一定能产生更好的精度 提前谢谢 这个问题似乎是离题的,因为它属于“是的,没错,我将删除stats.sta

我有一个关于机器学习的问题,特别是关于内核函数。假设我们有一个核函数,比如Kx,还有另一个不同的核函数,比如K'x。我想知道KK'x也是核函数吗?也就是说,如果一个内核将一个内核函数的输出馈送给另一个内核,这意味着什么?这有意义吗

另一个问题是关于已知核(如RBF、多项式和MLP)的线性组合的预期行为。假设MLP核在分类任务中的准确率为60%,RBF核为85%。与MLP相比,RBF+MLP是否一定能产生更好的精度


提前谢谢

这个问题似乎是离题的,因为它属于“是的,没错,我将删除stats.stackexchange.com中的一个。我投票将这个问题作为离题来结束,因为它是一个数学问题,而不是一个编程问题。它也被张贴。