Gram matrix(格拉姆矩阵):在线性代数与机器学习中,由一组向量两两内积构成的矩阵。若向量为 (x_1,\dots,x_n),则
(G_{ij}=\langle x_i, x_j\rangle)。常见形式包括 (G=X^\top X)(以列为向量)或在核方法中 (G_{ij}=k(x_i,x_j))。通常是对称且半正定的。
/ˈɡræm ˈmeɪtrɪks/
We computed the Gram matrix to measure similarity between samples.
我们计算了格拉姆矩阵来衡量样本之间的相似性。
In kernel SVM, the Gram matrix stores pairwise kernel values, allowing the classifier to work in an implicit high-dimensional feature space.
在核 SVM 中,格拉姆矩阵存储样本两两之间的核函数值,使分类器能够在隐式的高维特征空间中工作。
“Gram matrix”得名于丹麦数学家 Jørgen Pedersen Gram(约尔根·佩德森·格拉姆)。该概念最早与向量组的内积结构、线性相关性与正定性等性质相关;后来在统计学习与核方法中被广泛使用。