カーネルトリックの数理と計算利点

カーネルトリックは、写像関数 Φ(x) による高次元空間への写像を直接計算することなく、内積 <Φ(x), Φ(z)> を低次元上の関数 K(x, z) の計算で代行する画期的な手法です。 ア:正解です。高次元空間での計算コストを抑えつつ、非線形な決定境界を線形SVMの枠組みで学習できます。 イ:誤りです。パラメータ数を10個以下に圧縮する手法ではありません。 ウ:誤りです。CNNの畳み込みカーネルとは概念の異なる、再生核ヒルベルト空間のカーネル関数です。 エ:誤りです。重心の間引き手法(k-means等)ではありません。

サポートベクターマシンで用いられる「カーネルトリック(Kernel Trick)」に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
元の低次元空間では線形分離不可能なデータを高次元空間へ写像し、その高次元空間での内積計算を高次元特徴ベクトルを陽に求めずにカーネル関数で直接計算する。
イ
カーネル関数の適用により、パラメータの数を常に10個以下に圧縮して計算速度を向上させる。
ウ
深層学習の畳み込み層で使われるフィルタ(カーネル)を、線形回帰の重みに転用する手法である。
エ
訓練データをクラスタリングして各クラスタの重心(カーネル)だけを保持し、データを大幅に間引く手法である。