r - kernlab 中 rbfKernel 的方程与标准不同？

我观察到 kernlab 使用 rbfkernel 作为，

rbf(x,y) = exp(-sigma * euclideanNorm(x-y)^2)

但是根据这个 wiki link ，rbf 内核应该是这样的形式

rbf(x,y) = exp(-euclideanNorm(x-y)^2/(2*sigma^2))

这也更直观，因为具有大内核 sigma 值的两个接近样本将导致更高的相似性匹配。

我不确定 e1071 svm 使用什么( native 代码 libsvm？)

我希望有人能启发我为什么有区别？我发现这个是因为我最初使用 e1071 但切换到 ksvm 但看到两者的结果不一致。
一个比较的小例子

set.seed(123)
x <- rnorm(3)
y <- rnorm(3)
sigma <- 100

rbf <- rbfdot(sigma=sigma)
rbf(x, y)
exp( -sum((x-y)^2)/(2*sigma^2) )

我希望内核值接近 1(因为 x,y 来自 sigma=1，而内核 sigma=100)。这仅在第二种情况下观察到。

最佳答案

我也遇到了这种差异，我最终深入研究了源文件，以确定文档中是否有错别字，或者究竟发生了什么，因为高斯上下文中的 sigma 传统上是分母的标准偏差，对吗？

这是相关的来源

**kernlab\R\kernels.R**
## Define the kernel objects,
## functions with an additional slot for the kernel parameter list.
## kernel functions take two vector arguments and return a scalar (dot product)


rbfdot<- function(sigma=1)
  {

    rval <- function(x,y=NULL)
    {
      if(!is(x,"vector")) stop("x must be a vector")
      if(!is(y,"vector")&&!is.null(y)) stop("y must a vector")
      if (is(x,"vector") && is.null(y)){
        return(1)
      }
      if (is(x,"vector") && is(y,"vector")){
        if (!length(x)==length(y))
          stop("number of dimension must be the same on both data points")
        return(exp(sigma*(2*crossprod(x,y) - crossprod(x) - crossprod(y))))
        # sigma/2 or sigma ??
      }
    }
     return(new("rbfkernel",.Data=rval,kpar=list(sigma=sigma)))
  }

你可以从他们对 sigma/2 or sigma ?? 的评论中观察到，他们可能对采用的约定有点困惑， /2 的存在将与 /(2*sigma) 的标准偏差形式一致，但我不得不推测这个发现。

现在另一个确凿的证据在 ? rbfdot 的帮助页面中，它读...



这与他们在分子中使用 sigma 的形式一致，因为在分母中，它将与高斯右边的宽度成比例地缩放。所以看起来他们确实确定了维基百科文章中描述为 Gamma 形式的约定，他们说



因此，差异似乎只是采用不同但等效的约定的问题。特定约定的一个动机(有人可能在评论中确认)可能来自代码重用和一致性问题，正如您所见，该参数被其他三个内核形式使用，这些形式的参数可能更传统地设置在分子中。但是，我不确定这一点，因为我从未使用过这些替代内核，并且对每个内核都不熟悉。

关于r - kernlab 中 rbfKernel 的方程与标准不同？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/24624523/