Losowe funkcje Fouriera zapewniają przybliżenia funkcji jądra. Są używane do różnych metod jądra, takich jak SVM i procesy Gaussa.
Dzisiaj próbowałem użyć implementacji TensorFlow i uzyskałem wartości ujemne dla połowy moich funkcji. Jak rozumiem, to nie powinno się zdarzyć.
Wróciłem więc do oryginalnej pracy , która - tak jak się spodziewałem - mówi, że cechy powinny żyć w [0,1]. Ale jego wyjaśnienie (podkreślone poniżej) nie ma dla mnie sensu: funkcja cosinus może generować wartości w dowolnym miejscu w [-1,1], a większość wyświetlanych punktów ma ujemne wartości cosinus.
Prawdopodobnie brakuje mi czegoś oczywistego, ale byłbym wdzięczny, gdyby ktoś mógł wskazać, co to jest.
źródło