machine-learning - 我怎样才能扭转内核渔民的影响？

Question

我在我的项目中使用了 Kernel Fisher 的判别分析，效果很好。但是我的问题源于这样一个事实，即当我使用内核函数映射我的数据集时，所有数据以及所有特征值和特征向量都在该空间中，并且为了测试新样本我面临一些问题。让我用一个例子来解释一下。例如，当我有 50 个样本和 10 个特征来描述每个样本时，我的数据矩阵是 50 x 10，映射此函数将在新特征空间中生成 50 x 50 矩阵。所以特征向量（FDA 中的 W）也在 50D 空间中。现在为了测试一个新样本，它是一个以 10 个元素为特征的向量，映射的数据矩阵将是 10 x 10，并且它不在 50D 空间中，所以我不能将它投影到 W 以获得它的哪个类属于...请帮助我，我能做什么？

Answer 1

您不应该将测试点映射到自己，而是映射到训练集。这就是为什么内核方法（尤其是非稀疏方法）通常不能很好地扩展的原因——你必须一直保留旧的训练集。因此，您将通过 K(TEST_SAMPLES, TRAINING_SET) 获得您的投影，它是 10x50，可以在您的 50 维空间中使用。