Key points are not available for this paper at this time.
커널은 서포트 벡터 머신에서 학습 데이터를 (비선형적으로) 더 높은 차원의 특성 공간으로 매핑하는 데 사용되며, 이는 선형 학습 기계의 계산 능력을 증가시킵니다. 각 커널은 장점과 단점을 가지고 있습니다. 학습에 바람직한 특성은 일반화에 바람직한 특성이 아닐 수 있습니다. 두 개 이상의 커널의 '좋은' 특성을 결합하는 것이 바람직합니다. 커널의 혼합을 사용하면 좋은 보간 및 외삽 능력을 모두 가질 수 있음을 보여줍니다. 이 방법의 성능은 인공 데이터 세트와 산업 데이터 세트를 통해 설명됩니다.
Smits 외 (수요일), 이 질문을 연구했습니다.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: