Kernel Ridge Regression
定义 Definition
核岭回归：一种用于回归预测的机器学习方法，把岭回归（带 (L2) 正则化的线性回归）与核方法结合起来，使模型能在不显式构造高维特征的情况下拟合非线性关系。常用于小到中等规模数据、需要平滑且稳健的回归场景。
发音 Pronunciation (IPA)
/ˈkɝːnəl rɪdʒ rɪˈɡrɛʃən/
例句 Examples
Kernel ridge regression can fit nonlinear patterns without explicitly adding polynomial features.
核岭回归可以在不显式加入多项式特征的情况下拟合非线性规律。
Using a Gaussian kernel, kernel ridge regression often performs well when the relationship is smooth but the data are noisy, though it can be expensive on large datasets.
使用高斯核时，核岭回归在关系较平滑但数据含噪的情况下往往表现良好，不过在大数据集上计算成本可能较高。
词源 Etymology
- kernel（核）：来自数学与计算中的“核函数/核技巧（kernel trick）”，指用函数来衡量样本之间的相似度，从而“隐式”映射到高维空间。
- ridge（岭）：源自统计学中的岭回归（ridge regression），因其在参数空间里引入 (L2) 正则化后，损失函数的等高线形状被形象地比作“山岭/脊线”。
- regression（回归）：统计学术语，指预测连续数值（如价格、温度等）的建模任务。
相关词 Related Words
文献与作品 Literary / Notable Works
- Schölkopf & Smola，《Learning with Kernels》：系统介绍核方法，相关章节常提及核岭回归及其与其他核算法的关系。
- Hastie, Tibshirani & Friedman，《The Elements of Statistical Learning》：在核方法、正则化与回归框架下讨论与核岭回归紧密相关的思想。
- Murphy，《Machine Learning: A Probabilistic Perspective》：在贝叶斯视角与核回归/正则化内容中涉及核岭回归的相关形式与联系。
Select Language