数据升维到希尔伯特空间
将数据转换到希尔伯特空间
前言
向量空间:也称线性空间(线性空间对加法和数乘是封闭的,即输出结果仍在该空间内)。该空间集合中对应的元素是向量。二维、三维空间中每个点都可用唯一个向量来表示,因此也是向量空间。
内积空间:定义了加法、数乘和内积(向量之间的乘法)的空间。
希尔伯特空间:在另外一种空间(不是熟悉的欧式空间)中定义了另外一种内积、范数等运算,且这些运算仍是完备的,则该空间称为希尔伯特空间。
步骤
定义一个向量空间。首先构造一个映射ϕ\phiϕ,该映射使得X变为了K(.,x)K( . , x)K(.,x),为了定义该向量空间,去定义一个线性组合,保证加法和数乘的封闭。
该线性组合为:设xi∈X,ai∈实数R,i=1,...m,f(.)=∑aik(.,xi),该线性组合的f构成集合S,S即为一个向量空间x_i \in X,a_i \in 实数R,i=1,...m,f(.)=\sum a_i k(.,x_i),该线性组合的f构成集合S,S即为一个向量空间xi∈X,ai∈实数R,i=1,...m,f(.)=∑aik(.,xi),该线性组合的f构成集合S,S即为一个向量空间,该空间对加法和数乘都封闭。
在向量空间SSS上定义内积∗*∗,得到内积空间S。该定义为设对任意 f,g∈S,k为对称函数,则f∗g=∑i=1m∑j=1lαiβjk(xi,zj)f, g \in S,k为对称函数,则f*g= \sum_{i=1}^m \sum_{j=1}^l \alpha_i \beta_jk(x_i,z_j)f,g∈S,k为对称函数,则f∗g=∑i=1m∑j=1lαiβjk(xi,zj)。
定义内积需满足四个条件,即上式需要满足以下条件:1.(cf)∗g=c(f∗g),c∈R1.(cf)*g=c(f*g),c\in R 1.(cf)∗g=c(f∗g),c∈R
2.(f+g)∗h=f∗h+g∗h2.(f+g)*h=f*h+g*h 2.(f+g)∗h=f∗h+g∗h
3.f∗g=g∗f3.f*g=g*f 3.f∗g=g∗f
4.f∗f=>0,特别地,f∗f=0等价于f=04.f*f=>0,特别地,f*f=0 等价于f=0 4.f∗f=>0,特别地,f∗f=0等价于f=0
在SSS上定义范数∣∣f∣∣=f∗f||f||=\sqrt {f*f}∣∣f∣∣=f∗f,获得赋范线性空间S。
在泛函中,已经被证明,赋范线性空间可以完备化,因此得到希尔伯特空间S。
- Note: 在上述的转化过程中,我们可以明白该希尔伯特空间中的核函数具有再生性,即原始的f(.)=∑i=1mαik(.,xi)f(.)=\sum_{i=1}^m\alpha_ik(. ,x_i)f(.)=∑i=1mαik(.,xi),(.)f(.)f(.)f里面的 . 就是要输入的量,则可由公式k(.,x)∗f=∑i=1mαik(x,xi)k(.,x)*f=\sum_{i=1}^m\alpha_ik(x ,x_i)k(.,x)∗f=∑i=1mαik(x,xi)展示出该核的再生性,同时由公式k(.,x)∗k(.,z)=k(x,z)=ϕ(x)∗ϕ(z)k(.,x)*k(.,z)=k(x,z)=\phi(x)*\phi(z)k(.,x)∗k(.,z)=k(x,z)=ϕ(x)∗ϕ(z)也可以看出。
以上就是全部内容
数据升维到希尔伯特空间相关推荐
- numpy的array数组的数据升维与降维使用方法自学总结
本文主要介绍numpy中数据升维与降维问题 升维 注意数组的形式 是n行1列 还是1行n列 1.numpy.atleast_2d(数组名) 将输入视为至少具有二维的数组 2.numpy.atleast ...
- python升维方法_python机器学习12:数据“升维”
1.向数据集添加交互式特征 在实际应用中,常常会遇到数据集的特征不足的情况,要解决这个问题,就需要对数据集的特征进行扩充.这里我们介绍两种在统计建模中常用的方法---交互式特征(Interaction ...
- python升维方法_数据升维
我们在实际应用中会遇到数据集特征不足的情况,要解决这个问题,就需要对数据集的特征进行扩充, 一般使用两种方法: 交互式特征(Interaction Features) 多项式特征(Ploynomial ...
- 算法笔记(18)数据升维及Python代码实现
数据集特征不足的情况下,需要对数据集的特征进行扩充,两种方法:交互式特征和多项式特征. 向特征集添加交互式特征 交互式特征是在原始数据特征中添加交互项,使特征数量增加. Python代码实现: X_m ...
- numpy数据升维与降维
https://blog.csdn.net/weixin_44776220/article/details/105618704
- 核函数是什么-数据的升维与降维
核函数是什么-数据的升维与降维 核函数是什么-数据的升维与降维 数据升维-从二维空间升维到三维希尔伯特空间 将二维空间数据x=(xi,xj)x=(x^i,x^j)x=(xi,xj)升到三维,因此需要映 ...
- 哈儿小波分解和重构(降维和升维)实现算法
[0]README 0.1)本文旨在讲解 哈儿小波变换(分解和重构)进行数据的降维和升维: [timestamp: 1703281610]时隔几个月再来review 哈儿小波变换算法的具体思路: 1) ...
- 线性空间,度量空间,赋范空间,线性赋范空间,内积空间,巴拿赫空间以及希尔伯特空间、拓扑空间
1. 距离.向量空间.度量空间.线性度量空间 距离包括各个点之间的距离,向量之间的距离,曲线之间的距离,函数之间的距离等. 距离用于衡量同一空间不同元素之间的差异,下面是关于距离的属性: 1)元素之 ...
- 欧氏空间距离和内积_线性空间,度量空间,赋范空间,线性赋范空间,内积空间,巴拿赫空间以及希尔伯特空间、拓扑空间...
1. 距离.向量空间.度量空间.线性度量空间 距离包括各个点之间的距离,向量之间的距离,曲线之间的距离,函数之间的距离等. 距离用于衡量同一空间不同元素之间的差异,下面是关于距离的属性: 1)元素之 ...
最新文章
- 基于Go语言来理解Tensorflow
- SAP QM中阶执行事务代码QDB1,报错- Inspection severity 001 AQL 0.650 not in sampling schema A01-
- AppDomain,应用程序域
- 嵌入式培训学习历程第三天
- 【洛谷】马的遍历--广度优先搜索(BFS)
- Android安全系列工具
- 【渝粤题库】陕西师范大学152212 政府绩效管理 作业(专升本)
- 【转】【C++学习笔记】C++异常处理
- TestNG-详解preserve-order的作用与测试case的执行顺序
- Message消息提示组件的原理
- python截图工具
- linux rvm,RVM 实用指南
- 图片以base64格式显示出来
- mysql 源码阅读_mysql 源码阅读入口
- 一.微信公众号迁移流程 openid转换
- zuk z2 android 8,【2018-12-13】ZUK Z2/Z2Pro ZUI 10 尝鲜 Android 8.1 By YouLinw
- UG NX二次开发 - CAM 获取和设置公差的方法,含内外公差、边界内外公差的设置方法
- php 拼接html字符串,php截断带html字符串文章内容的方法
- word 2010 尾注 尾注序号 连续尾注 尾注分隔符 删除
- 火车头如何下载附件文件
热门文章
- springboot 报Spring boot 报Add an implement,such as Hibernate Validator, to the classpath
- 处理日常事务的 Linux 程序和它们的配置
- 面向对象编程java小游戏_JavaScript面向对象编程小游戏---贪吃蛇代码实例
- CentOS5678 repo源 地址 阿里云开源镜像站
- qtwebapp库的编译及简单使用
- pd.value_counts()简答
- 五十年前雨果就有了VR眼镜的技术理念
- 【演示文稿制作】Focusky教程 | 怎么搭配演示文稿的颜色最好?
- 我的世界java怎么玩起床战争_我的世界起床战争怎么玩 我的世界起床战争战术攻略...
- 介绍几款实用的MySQL和数据库Web客户端