AI用語集
人工知能の完全辞典
カーネル主成分分析
非線形構造をデータから捉えるためにカーネル関数を用いた主成分分析の拡張。この手法はデータを暗黙的に高次元空間に射影し、線形分離可能にする。
再生核ヒルベルト空間
カーネル関数を用いて特定の点での関数評価のみで内積が計算可能な完全な関数空間。この数学的空間は機械学習におけるカーネル法の理論的枠組みを提供する。
カーネルトリック
高次元特徴空間での座標計算を明示的に行わずに操作するアルゴリズム技術。内積をカーネル関数の評価で置き換え、計算複雑性を低減する。
カーネル固有値
中心化グラム行列の固有値で、暗黙的特征空間における各主成分によって説明される分散を表す。これらはkPCAにおける主軸の相対的重要度を決定するために用いられる。
カーネル固有ベクトル
グラム行列の固有ベクトルで、高次元特徴空間における主方向を定義する。これらはカーネル係数で重み付けされた元データの線形結合として表現される。
特徴空間における中心化
暗黙的特征空間における平均の減算プロセスで、データを直接操作するのではなくグラム行列を調整して行われる。このステップはkPCAが重心周りの分散を正しく分析するために重要。
カーネルパラメータ選択
kPCAの性能を最大化するためのカーネル関数のハイパーパラメータ（RBFのgamma、多項式の次数など）を最適化するプロセス。この選択は捕捉される非線形関係の複雑さと性質に影響を与える。
元空間への再構成
kPCA射影の逆操作で、暗黙的空間の主成分から元データを復元しようとする試み。この再構成は近似的であり、カーネルが関連情報を保持する能力に依存する。
kPCA vs 古典的PCA
線形の従来PCAとカーネル化された非線形バージョンとの比較。変数間の関係に複雑な非線形性が存在する場合、kPCAはPCAを凌駕するデータ構造の捕捉能力を示す。
保持すべき主成分数
累積説明分散率または再構成基準に基づくkPCAの最適主成分数の決定。この選択は、構造的情報の保存を維持しながら次元削減能力に影響を与える。