Perché le caratteristiche casuali di Fourier non sono negative?

Le funzionalità casuali di Fourier forniscono approssimazioni alle funzioni del kernel. Sono usati per vari metodi del kernel, come SVM e processi gaussiani.

Oggi ho provato a utilizzare l' implementazione di TensorFlow e ho ottenuto valori negativi per metà delle mie funzionalità. A quanto ho capito, questo non dovrebbe succedere.

Quindi sono tornato al documento originale , che --- come mi aspettavo --- dice che le caratteristiche dovrebbero vivere in [0,1]. Ma la sua spiegazione (evidenziata di seguito) non ha senso per me: la funzione del coseno può produrre valori ovunque in [-1,1] e la maggior parte dei punti visualizzati hanno valori di coseno negativi.

Probabilmente mi manca qualcosa di ovvio, ma lo apprezzerei se qualcuno fosse in grado di evidenziarlo.

Apparentemente, la frase evidenziata è sbagliata (o almeno confusa): può essere negativo. Questo non è un problema perché ci preoccupiamo solo del prodotto interno di , non di stesso.$z(x)$ $z$$z$

Il "prodotto interno" di sembrava errato solo quando ho usato questo metodo perché ho confuso e . Non perché avesse torto.$z$$z'z$$zz'$$z$