论文笔记_机器学习:A general kernelization framework for learning algorithms based on kernel PCA
Abstract本文提出了一种学习算法的通用内核化框架；通过两个阶段实现，即先通过核主成分分析（KPCA）处理数据，然后直接用转换后的数据执行学习算法；本文会介绍这个核心框架，并证明了在一些条件下，这个框架下的内核化等同于传统的内核方法。实际上，大多数学习算法通常都满足这些温和的条件；因此，大多数学习算法都可以在此框架下进行内核化，而无需重新构造为内积形式——传统内核方法中常见且至关重要的一步；在