什么是机器学习中的张量核？答案

【问题标题】：What is a Tensor kernel in machine learning?什么是机器学习中的张量核？
【发布时间】：2018-05-29 14:54:41
【问题描述】：

什么是机器学习中的张量核？ Tensor 内核与 RBF 内核等常见内核有什么区别？什么时候使用张量核，它们的优缺点是什么？

【问题讨论】：

【解决方案1】：

这更多是一个语义问题。内核是一个封装的函数。为了将其应用于数据张量，我们需要将内核转换为张量形状，但最终它仍然是相同的功能。

Understand tensors。它们“只是高维矩阵”。
Understand ML Kernels。基本上，内核是一个封装的函数。内核技巧用于通过（非线性）内核或滤波器传递线性函数，以便以不太复杂的方式实现复杂的非线性函数。这允许线性函数学习非线性特征，节省大量计算能力，因为对于大型（或复杂）数据集的训练，使用多项式函数可能变得过于昂贵。即，我们可以使用非线性核计算线性函数来学习非线性模式。

因此，RBF 被表示为张量核（指数高斯核），但这只是机器学习中学习非线性表示的最流行的核（专门用于 SVM）。 SVR using linear and non-linear kernels.

您可以使用其他张量内核来代替，例如 Sigmoid 内核或多项式内核。

【讨论】：