Kernel Methods入門~

昨天跑去耍了GE的Family Day，搞實業大公司福利就是好啊。。

好回到主題，通過俺幾天來的閱讀，終於對核函數這個東東有了稍微清晰點的認識。
現階段個人認為，在實現上把他看做是在原資料的基礎上，計算特徵空間裡兩個資料向量的內積的值的函數就行了。
它的意義呢？使得能夠使用線性的方法探索資料中的非線性關係，並且保證學習機器的泛化效能，NB吧呵呵~

前天還做了個PPT Kernel Methods 快速入門，和大家討論了一下，個人覺得講得挺成功~
照著Kernel Methods for Pattern Analysis第二章做的，相當的入門，但是看了也能讓不瞭解這個領域的人對核方法有個直觀的認識了。放在這裡，以備需要~

憋小論文啊，為啥這個東西對我就那麼痛苦呢。。

 

Update 2008.10.21：補充PPT裡面漏掉的很重要的一點，多數線性學習機器的解都存在對偶表示形式，而對偶表示的一個重要性質就是資料僅作為Gram矩陣的項出現！