情報科学 › 機械学習の数学 › 線形回帰と最小二乗法

特徴写像による拡張

定義 2.2(「線形回帰と最小二乗法」§2)

写像 φ ⁣:Rd→Rp\varphi \colon \mathbb{R}^d \to \mathbb{R}^{p} を任意に固定し、計画行列の第 ii 行を φ(xi)T\varphi(\boldsymbol{x}_i)^{\mathsf{T}} で置き換えたものを Φ∈Rn×p\Phi \in \mathbb{R}^{n \times p} とする。モデル y^=wTφ(x)\hat{y} = \boldsymbol{w}^{\mathsf{T}}\varphi(\boldsymbol{x}) を、特徴写像 φ\varphi による線形モデルという。φ\varphi がどれほど非線形でも、w\boldsymbol{w} に関しては線形である。

本文で読む(前後の説明と例)→

閉包の状態

定義

定義は閉包の起点です(証明を要しません)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

これを使っている定理

証明で明示的に参照している定理は、まだありません。