內核嶺迴歸

內核嶺迴歸(Kernel ridge regression-KRR）[1] 由使用內核方法的嶺迴歸（使用 l2 正則化的最小二乘法）所組成。因此，它所擬合到的在空間中不同的線性函數是由不同的內核和數據所導致的。對於非線性的內核，它與原始空間中的非線性函數相對應。 由 KernelRidge 學習的模型的形式與支持向量迴歸( SVR 是一樣的。但是他們使用不同的損失函數：內核嶺迴歸（KRR）使用 s

>>阅读原文<<