使用者1711650489040562019-11-16 19:03:17

東西是一樣的，但用法不同。統計學中的核函式主要用於構建區域性鄰域，機器學習中的核函式則被當做函式的內積（而這個函式通常還未知）。例如，我們知道泰勒展式只在光滑函式的某個鄰域內成立，而函式本身就是我們要擬合的目標，當然這個鄰域也就未知。此時核函式就相當於將這個鄰域簡化為只依賴窗寬變化的簡單函式。透過用交叉驗證法選取最優窗寬後，這個區域性鄰域也就被確定。之後，我們就可以用0階1階2階泰勒展式去擬合函數了。（思想類似於這樣，但有一些細節不同。）