Intensive Course at Osaka University 2014
https://www.ism.ac.jp/~fukumizu/OsakaU2014/OsakaU_1intro.pdf
ふむふむ、線型分離が難しいデータを特徴空間にうつして、そちらで線型分離なりをしますと。線型分離のロジックなどを実行する上では内積空間だと良いですねと。しかしここでこの新しい特徴空間上にうつった特徴量がクソのような表現だとまいっちゃいますよねぇと。特に現実問題としては計算機での計算コストが半端ないですよねーと。でも、RKHSだったらどんなにクソのような表現だったとしても、内積の計算は再生核を使った計算で済みますと(カーネルトリック)。なので、ただの内積空間ではなく、RKHSだと幸せですよねーってことか。
RKHS自身は K. Yosida の「Functional Analysis」でも多少触れられている。
＊＊＊
なんか再生核Hilbert空間 - らんだむな記憶でもやってたらしい・・・覚えてない・・・
Kernels I - Support Vector Machines | Courseraこの辺の動画かー・・・
