再生核希尔伯特空间(RKHS)在监督学习(SVM)中的应用

【转载请注明出处】http://www.cnblogs.com/mashiqi

2014/4/10

在网上找到一个讲reproducing kernel的tutorial看了一看，下面介绍一下。

首先定义kernel(核)：

于是我们可以从一个空间定义出一个kernel。接着，我们使用一个kernel来定义一个从到的映射，并称这个映射为reproducing kernel feature map(再生核特征映射)：

这个映射的意思是：特定的kernel和上的一个特定的元素构成了一个映射规则，将的任意元素的映射成一个实数，那么，实际上，就是将映射成了。

值得注意的是，在泛函分析中，Hilbert空间上的"表现定理"说的是，任意一个内积都可以等价于一个线性泛函，任意一个线性泛函也等价于某个内积，即对任意线性泛函，，使得。然而这里的"再生核特征映射"和"线性泛函"的区别是:

再生核特征映射是由某个核生成的;

而线性泛函是由内积生成的。

下面我们通过这个映射来定义一个Hilbert space。

第一步，构造一个空间(现在它还不完备，稍后会将它完备化)。于是，将所张成的空间记为：

第二步，在上定义内积：

于是我们可以很容易的验证此内积满足内积的三个条件。

第三步，将空间完备化。

于是我们就由kernel构造出一个完备的希尔伯特空间，此空间称为reproducing kernel Hilbert space(再生核希尔伯特空间):

在第二步定义内积的过程中，我们可以发现，对于，有

我们称满足的为reproducing kernel(再生核)。

Reference

[1] http://www.cs.berkeley.edu/~bartlett/courses/281b-sp08/7.pdf

2014/4/19

今天接着10号继续看再生核空间的内容。

今天终于有了些进展，下面讲讲这个再生核到底是怎么回事。

首先我们有一个由泛函构成的空间：

这些泛函又是定义在集合上的。通常，我们的思路一般会把默认为Hilbert空间，然后将理解为它的对偶空间。我最开始就是这样默认的。但是其实这里不应该这样去理解它。再生核理论基本上了默认以空间为Hilbert空间的，而集合只是理解为一个一般的集合。然后，再生核也是内的一个元，只是他相比较于一般的元而言，拥有更多的性质。好，大概铺垫完了，下面给出一些具体的定义，大部分内容来自。

我们首先来给出reproducing Kernel(r.k.再生核)的定义：

也就是说，现在我们有一个Hilbert空间，Hilbert空间里面的每一个点都是一个泛函：

而也是一个泛函：

并且还必须满足两条性质：

1、对于一个固定的，是Hilbert空间中的一个元素；

2、再生性质：对于每个和，都有：

其中表示Hilbert空间上的内积运算。根据这个再生性质，我们立即可以得到：

值得注意的是，式是一个令人满意的结果，根据这个式子我们可以很容易的得到的正定性。根据这个再生性质，我们立即可以得到以下几个推论(直接截图了)：

如果存在则唯一(表示reproducing kernel)：

"存在再生核"等价于"每个泛函都连续"：

(*注：这里的连续性是指的上的泛函关于连续，而不是指的关于连续)

证明：

记上的泛函为，当上存在kernel时，有：

而根据式我们有：

所以：

其中和无关。所以是有界泛函。又因为显然是线性的，所以是连续泛函。

而当是连续泛函时，因为它是线性的，所以根据表现定理即可证明。

证毕。

这也正如中所说：

再生核的正定性：

正定性证明：

证毕。

(*注：正定性是指在集合上的正定性，)

还有一些其他性质，除了"命题8"以外，其他命题对于本次学习的目标并不是很重要：

接着我们要做的事就是构造这样一个Hilbert空间，这个空间上的内积，以及这个空间上的唯一的一个kernel。

Reference

[1] Aronszajn, Nachman. "Theory of reproducing kernels." Transactions of the American mathematical society (1950): 337-404.

[2] 王敏慧，"几类高斯过程的Karhunen-Loève展开及再生核希尔伯特空间"[D]，哈尔滨工业大学，2010

[3]Aronsazjn, Par N. "La théorie des noyaux reproduisants et ses applications Première Partie." Mathematical Proceedings of Cambridge Philosophical Society.Vol. 39. No. 03. Cambridge University Press, 1943.

[4] http://www.cs.berkeley.edu/~bartlett/courses/281b-sp08/7.pdf

2014/4/20

今天希望了解到上面所讲的关于RKHS的性质与我们SVM中(以及其他机器学习技术)的核技术的联系。

我们接着看的5.1.3的定理1：