Warum sind zufällige Fourier-Merkmale nicht negativ?

10

Zufällige Fourier-Funktionen liefern Annäherungen an Kernelfunktionen. Sie werden für verschiedene Kernelmethoden wie SVMs und Gaußsche Prozesse verwendet.

Heute habe ich versucht, die TensorFlow-Implementierung zu verwenden, und für die Hälfte meiner Funktionen wurden negative Werte angezeigt . So wie ich es verstehe, sollte dies nicht passieren.

Also ging ich zurück zum Originalpapier , das - wie ich erwartet hatte - besagt, dass die Features in [0,1] leben sollten. Die Erklärung (unten hervorgehoben) macht für mich jedoch keinen Sinn: Die Kosinusfunktion kann überall in [-1,1] Werte erzeugen, und die meisten angezeigten Punkte haben negative Kosinuswerte.

Ich vermisse wahrscheinlich etwas Offensichtliches, würde es aber begrüßen, wenn jemand darauf hinweisen kann, was es ist.

Abbildung 1

David J. Harris
quelle

Antworten:

4

Anscheinend ist der hervorgehobene Satz falsch (oder zumindest verwirrend): kann negativ sein. Dies ist kein Problem, da wir uns nur um das innere Produkt von kümmern , nicht um selbst.z(x) zz

Das "innere Produkt" von schien nur dann falsch zu sein, wenn ich diese Methode verwendete, weil ich und . Nicht weil falsch war.zzzzzz

David J. Harris
quelle