เคล็ดลับเคอร์เนลจะใช้ในโมเดลการเรียนรู้หลายเครื่อง (เช่นSVM ) มันถูกนำมาใช้ครั้งแรกในกระดาษ "รากฐานทางทฤษฎีของวิธีการทำงานที่มีศักยภาพในการเรียนรู้การจดจำรูปแบบ" กระดาษในปี 1964
คำนิยามของวิกิพีเดียบอกว่ามันเป็น
วิธีการใช้อัลกอริธึมลักษณนามลักษณนามเชิงเส้นเพื่อแก้ปัญหาที่ไม่ใช่เชิงเส้นโดยการทำแผนที่การสังเกตที่ไม่ใช่เชิงเส้นดั้งเดิมลงในพื้นที่มิติที่สูงขึ้นซึ่งจะใช้ตัวจําแนกเชิงเส้นในภายหลัง สิ่งนี้ทำให้การจำแนกเชิงเส้นในพื้นที่ใหม่เทียบเท่ากับการจัดหมวดหมู่ที่ไม่ใช่เชิงเส้นในพื้นที่เดิม
ตัวอย่างหนึ่งของโมเดลเชิงเส้นตรงที่ได้รับการขยายไปสู่ปัญหาที่ไม่ใช่เชิงเส้นเป็นPCA เคอร์เนล เคล็ดลับเคอร์เนลสามารถนำไปใช้กับโมเดลเชิงเส้นใด ๆ หรือมีข้อ จำกัด บางอย่าง
1
BTW เมล็ดไม่จำเป็นสำหรับ SVM จริงๆ "หัวใจ" ของ SVM เป็นหลักการของการเพิ่มระยะขอบให้นุ่ม การเป็นตัวแทนเคอร์เนลทำให้ปัญหามิติของคุณ O (m ^ 2) แทน O (d) โดยที่ m คือจำนวนตัวอย่างและ d คือมิติของพื้นที่คุณลักษณะของคุณดังนั้นถ้า m ^ 2 มากกว่า d คุณอาจจะ ดีกว่าทำไปกับเมล็ดjmlr.csail.mit.edu/papers/v6/keerthi05a.html
—
Yaroslav Bulatov
@ ยาโรสลาฟ: ขอบคุณสำหรับการอ้างอิง คุณทราบหรือไม่เกี่ยวกับการใช้งานของ "วิธีแก้ไขไฟไนต์นิวตัน"
—
เชน
ไม่ แต่หน้าของ Keerthi และ Langford มีลิงค์ไปยังซอฟต์แวร์บางอย่างที่อาจเกี่ยวข้องเนื่องจากทั้งคู่ทำงานที่ Yahoo Research
—
Yaroslav Bulatov