Qual é a definição de “espaço de recurso”?
Por exemplo, ao ler sobre SVMs, li sobre “mapeamento para recurso espaço”. Ao ler sobre o CART, eu li sobre “particionamento para espaço de recursos”.
Eu entendo o que está acontecendo, especialmente para o CART, mas acho que há algumas definições que perdi.
Existe uma definição geral de “espaço de recursos”?
Existe uma definição que me dará mais informações sobre os kernels SVM e / ou CART?
Comentários
- Espaço de recurso apenas se refere às coleções de recursos que são usados para caracterizar seus dados. Por exemplo, se seus dados são sobre pessoas, seu espaço de recurso pode ser (gênero, altura, Peso, Idade). Em um SVM, podemos considerar um conjunto diferente de características para descrever os dados, como (sexo, altura, peso, idade ^ 2, altura / peso) etc; este é o mapeamento para outro recurso espaço
- Você poderia fornecer os nomes / títulos de sua leitura?
Resposta
Espaço de recurso
O espaço de recurso refere-se às $ n $ -dimensões onde suas variáveis residem (não incluindo uma variável de destino, se estiver presente). O termo é usado com frequência na literatura de ML porque uma tarefa em ML é extração de recursos , portanto, vemos todas as variáveis como recursos. Por exemplo, considere o conjunto de dados com:
Destino
- $ Y \ equiv $ Espessura dos pneus do carro após algum período de teste
Variáveis
- $ X_1 \ equiv $ distância percorrida no teste
- $ X_2 \ equiv $ tempo duração do teste
- $ X_3 \ equiv $ quantidade de produto químico $ C $ em pneus
O espaço de recurso é $ \ mathbf {R} ^ 3 $, ou mais precisamente, o quadrante positivo em $ \ mathbf {R} ^ 3 $ como todos os As variáveis $ X $ só podem ser quantidades positivas. O conhecimento do domínio sobre pneus pode sugerir que a velocidade em que o veículo estava se movendo é importante, portanto, geramos outra variável, $ X_4 $ (esta é a parte de extração de recurso):
- $ X_4 = \ frac {X_1} {X_2} \ equiv $ a velocidade do veículo durante o teste.
Isso amplia nosso antigo espaço de recursos para um novo, a parte positiva de $ \ mathbf {R} ^ 4 $.
Mapeamentos
Além disso, um mapeamento em nosso exemplo é uma função, $ \ phi $, de $ \ mathbf {R} ^ 3 $ para $ \ mathbf {R} ^ 4 $:
$$ \ phi (x_1, x_2, x_3) = (x_1, x_2, x_3, \ frac {x_1} {x_2}) $$
Comentários
- Como isso difere de um espaço de amostra na teoria da probabilidade? Só perguntando. Eu gostaria de saber.
- Ele ' s é muito semelhante, senão idêntico. Se você considerar a distribuição de geração de dados $ D $, então o espaço de recursos é idêntico ao suporte de $ D $.
- Eu diria isso, como Pilon '
- @ Cam.Davidson.Pilon alguém que foi inspirado por sua resposta parece: dataorigami.net/blogs/napkin-folding/…
- @AIM_BLB que ' é eu!