এল2 দূরত্ব, যেমন ব্যবহারকারী 3966565 দ্বারা একটি মন্তব্যে প্রস্তাবিত। এটি হ'ল:
দ্রষ্টব্য, উদাহরণস্বরূপ ম্যাট্রিক্স কুকবুকের ৮.১.৮ অংশে দেখা গেছে :
যাতে এটি সময়ে সহজেই মূল্যায়ন করা যায় ।এল2( পি, প্রশ্ন )2= ∫( পি ( এক্স ) - কিউ( এক্স ) )2ডি এক্স= ∫( ∑)আমিαআমিপিআমি( এক্স ) - ∑ঞβঞকুইঞ( এক্স ) )2ডি এক্স= ∑i , i'αআমিαআমি'∫পিআমি( এক্স ) পিআমি'( x ) d x + ∑j , j'βঞβঞ'∫কুইঞ( x ) qঞ'( x ) d x- 2 ∑i , jαআমিβঞ∫পিআমি( x ) qঞ( এক্স ) ঘ এক্স ।
∫ N ( x ; μ , Σ ) এন ( x ; μ ′ , Σ ′ )∫এন( x ; μ , Σ ) এন( এক্স ; μ', Σ')ডি এক্স= এন( μ ; μ)', Σ + Σ')
ও ( এম এন )
গাউসিয়ান আরবিএফ কার্নেলের সাথে সর্বাধিক গড় তাত্পর্য (এমএমডি)। এটি একটি শীতল দূরত্ব, এখনও পরিসংখ্যান সম্প্রদায়ের মধ্যে অতি সুপরিচিত নয়, এটি নির্ধারণ করতে কিছুটা গণিত লাগে th
লেটিং
হিলবার্ট স্পেস সংজ্ঞায়িত যেমন প্রতিলিপি কার্নেল হিলবার্ট স্পেস সংশ্লিষ্ট : ।k ( x , y)) : = এক্সপ্রেস( - 12 σ2∥ x - y∥2) ,
এইচটk ( x , y)) = ⟨ Φ ( এক্স ) , φ ( Y) ⟩এইচ
as হিসাবে
গড় মানচিত্রের কার্নেলটি সংজ্ঞায়িত করুনকে( পি, প্রশ্ন ) = ইএক্স। পি, Y∼ প্রশ্নকে ( এক্স, Y) = ⟨ ইএক্স। পিφ ( এক্স) , ইওয়াই∼ প্রশ্নφ ( ওয়াই) ⟩ ।
এমএমডি তখন
এম এম ডি( পি, প্রশ্ন )= ∥ ইএক্স~পি[ φ ( এক্স) ] - ইওয়াই~প্রশ্ন[ φ ( ওয়াই) ] ∥= কে( পি, পি) + কে( প্রশ্ন , প্রশ্ন ) - 2 কে(পি, প্রশ্ন)-------------------------√= চুমুক দিয়া পানচ: ∥ চ∥এইচ। 1ইএক্স। পিচ( এক্স) - ইওয়াই∼ প্রশ্নচ( ওয়াই) ।
আমাদের মিশ্রণের জন্য এবং , নোট যে
এবং একইভাবে জন্য এবং ।পিপ্রশ্নঃকে(পি, প্রশ্ন ) = Σi , jαআমিβঞকে( পিআমি, প্রশ্নঞ)
কে(পি, পি)কে( প্রশ্ন , প্রশ্ন )
এটি সক্রিয় আউট, হিসাবে অনুরূপ ঠাট ব্যবহার , যে হয়
এল2কে( এন( μ , Σ ) , এন( μ)', Σ') )( 2 π)σ2)ঘ/ 2এন( μ ; μ)', Σ + Σ'+ + σ2আমি) ।
হিসাবে , একটি একাধিক পরিষ্কারভাবে এই এগোয় দূরত্ব। আপনি সাধারণত একটি পৃথক ব্যবহার করতে চান , যদিও তথ্যের প্রকরণের স্কেলের একটি।σ→ 0এল2σ
বদ্ধ ফর্মগুলি এমএমডিতে বহুপুত্র কার্নেল এর জন্যও উপলব্ধ ; দেখাট
মুয়ানাদেট, ফুকুমিজু, দিনুজ্জো এবং শেলকোফ্ফ (২০১২)। সমর্থন পরিমাপ মেশিনের মাধ্যমে বিতরণ থেকে শেখা। নিউরাল ইনফরমেশন প্রসেসিং সিস্টেমগুলির অগ্রযাত্রায় ( অফিসিয়াল সংস্করণ )। আরএক্সিভ: 1202.6504 ।
এই দূরত্বের অনেক দুর্দান্ত বৈশিষ্ট্যের জন্য, দেখুন
শ্রীপেরুম্বুদুর, গ্রেটটন, ফুকুমিজু, শেলকোফ্ফ এবং ল্যাঙ্ক্রিয়েট (২০১০)। হিলবার্ট স্পেস এম্বেডিংস এবং সম্ভাব্যতার পদক্ষেপে মেট্রিক্স। জার্নাল অফ মেশিন লার্নিং রিসার্চ, 11, 1517-1515 । আরএক্সিভ: 0907.5309 ।