Metodo kernel
In informatica, i metodi kernel sono una classe di algoritmi per l'analisi di schemi, il cui elemento maggiormente conosciuto sono le macchine a vettori di supporto (SVM).
Descrizione[modifica | modifica wikitesto]
Lo scopo generale dell'analisi di schemi è di trovare e studiare tipi generici di relazioni (come gruppi, posizioni, componenti principali, correlazioni, classificazioni) e in generale tipi di dati (sequenze, documenti testuali, insiemi di punti, vettori, immagini ecc.).
I metodi kernel si approcciano al problema mappando i dati in uno spazio di caratteristiche multidimensionale, dove ogni coordinata corrisponde a una caratteristica dei dati dell'elemento, trasformando i dati in un insieme di punti dello spazio euclideo.
Poiché la mappatura può essere generale (per esempio, non necessariamente lineare), le relazioni trovate in questo modo sono di conseguenza molto generali. I metodi kernel si chiamano così per le funzioni kernel, che vengono usate per operare nello spazio delle caratteristiche senza calcolare le coordinate dei dati nello spazio, ma piuttosto calcolando il prodotto interno tra le immagini di tutte le coppie di dati nello spazio funzione. Quest'operazione è spesso computazionalmente più economica che l'esplicito calcolo delle coordinate, e viene chiamata "stratagemma del kernel" (kernel trick). Le funzioni kernel sono state introdotte per una sequenza di dati, grafi, testi, immagini e vettori.
Gli algoritmi capaci di operare con i kernel comprendono le macchine a vettori di supporto, processi gaussiani, l'analisi discriminante lineare di Fisher, l'analisi delle componenti principali (PCA), l'analisi di correlazione canonica, la regressione della cresta, il raggruppamento spettrale, i filtri adattivi lineari e molti altri.
Collegamenti esterni[modifica | modifica wikitesto]
- (EN) Kernel-Machines Org, su kernel-machines.org.
- Introduzione ai metodi Kernel (PDF), su homes.di.unimi.it.
