Waarom is dit belangrijk?
Onderzoekers kunnen nagaan welke groepen genetische varianten samen passen bij een complex ziektebeeld. In de medische wetenschap ondersteunt de kernelmethode het indelen van tumoren aan de hand van meetgegevens over de activiteit van genen. Wie in een onderzoekslaboratorium met zulke resultaten werkt, krijgt extra aanwijzingen over een tumor, maar de keuze van relevante genen blijft onzeker en moet per onderzoek apart worden gecontroleerd.
Zo werkt het in de praktijk
De kernelmethode wordt gebruikt bij het indelen van teksten, afbeeldingen en radarbeelden van satellieten. De supportvectormachine is ontwikkeld bij AT&T Bell Laboratories en werkt daarbij met een kernelfunctie. Een stringkernel vergelijkt teksten van ongelijke lengte en wordt onder meer ingezet bij spamdetectie.
Onderzoekers zoeken manieren om kernelmethoden op grotere gegevenssets te laten rekenen. De volledige matrix van gelijkenissen vraagt veel tijd en geheugen. De Nyström-methode maakt een kleinere benadering van die matrix, zodat kernel-ridge-regressie, een regressievorm met een kernelfunctie, minder rekenwerk vraagt.
De meeste kernelalgoritmen steunen op convexe optimalisatie, een rekenwijze met één duidelijk optimum. Hun gedrag op nieuwe gegevens wordt bekeken met statistische leertheorie, een kader voor leerprestaties. Bij de supportvectormachine lossen programma's daarvoor een kwadratisch optimalisatieprobleem op.




