কিছুক্ষণের জন্য, মনে হয়েছিল যে ফিশার কার্নেলগুলি সম্ভবত জনপ্রিয় হতে পারে, কারণ তারা সম্ভবত সম্ভাব্য মডেলগুলি থেকে কার্নেলগুলি নির্মাণ করার একটি উপায় বলে মনে হয়েছিল। যাইহোক, আমি এগুলিকে ব্যবহারের ক্ষেত্রে খুব কমই দেখেছি, এবং আমার এটি ভাল কর্তৃত্বের উপর রয়েছে যে তারা খুব ভালভাবে কাজ করতে চান না। তারা ফিশার তথ্যের গণনার উপর নির্ভর করে - উইকিপিডিয়াটি উদ্ধৃত করে:
ফিশার তথ্য চ এর প্রাকৃতিক লগারিদমের to সম্মানের সাথে দ্বিতীয় ডেরাইভেটিভের প্রত্যাশার নেতিবাচক। তথ্যটি cur এর সর্বাধিক সম্ভাবনা অনুমানের (এমএলই) কাছাকাছি সহায়তা বক্রের "বক্রতা" এর একটি পরিমাপ হিসাবে দেখা যেতে পারে θ
আমি যতদূর বলতে পারি এর অর্থ হ'ল দুটি পয়েন্টের মধ্যে কার্নেল ফাংশনটি কি তখন এই বাঁকানো পৃষ্ঠের সাথে দূরত্বটি - আমি ঠিক আছি?
তবে কার্নেল পদ্ধতিতে যেমন ব্যবহার করা যায় এটি সমস্যাযুক্ত হতে পারে
- এমএলই কোনও প্রদত্ত মডেলের পক্ষে খুব খারাপ অনুমান হতে পারে
- এমএলই এর চারপাশে সমর্থন বক্ররেখা বক্ররেখা উদাহরণস্বরূপ পার্থক্যের জন্য কোনও ব্যবহার নাও হতে পারে, উদাহরণস্বরূপ যদি সম্ভাবনার পৃষ্ঠটি খুব উঁচুতে থাকে
- এটি মডেল সম্পর্কে প্রচুর তথ্য ফেলে দেয় বলে মনে হয়
যদি এটি হয় তবে সম্ভাব্যতা পদ্ধতি থেকে কার্নেলগুলি নির্মাণের আরও আধুনিক কোনও উপায় আছে কি? উদাহরণস্বরূপ, আমরা কীভাবে একইভাবে এমএপি অনুমান ব্যবহার করতে একটি হোল্ড-আউট সেট ব্যবহার করতে পারি? সম্ভাব্য পদ্ধতিগুলি থেকে দূরত্ব বা মিলের অন্যান্য কোন ধারণাগুলি একটি (বৈধ) কার্নেল ফাংশনটি তৈরি করতে কাজ করতে পারে?