Question

求把下面有关计算机的英语翻译成中文，不要机器翻译的

We review machine learning methods employing positive definite kernels.
These methods formulate learning and estimation problems in a reproducing kernel Hilbert space(RKHS)of functions defined on the data domain,expanded in terms of a kernel.Working in linear spaces of function has the benefit of facilitating the construction and analysis of learning algorithms while at the same time allowing large classes of functions.
The latter include nonlinear functions as well as functions defined on nonvectorial data.
We cover a wide range of methods,ranging from binary classifiers to sophisticated methods for estimation with structured data.

Answer 1

我们回顾了机器学习方法采用正定的内核。
这些方法制定学习和估计问题在重构核希尔伯特空间(再生核希尔伯特)的函数上定义数据领域,扩大方面的内核。函数的线性空间中工作的好处是,促进建设和分析学习算法同时允许大型类的功能。
后者包括非线性函数的函数上定义的数据。
我们覆盖大范围的方法,从二进制分类器到复杂的方法来评估与结构化数据。

Answer 2

我们审查机器学习方法采用正定核。

这些方法制定的学习和预测问题，在再生核希尔伯特空间（再生核希尔伯特空间理论）的功能上定义的数据域，扩大在一个内核。工作在线性空间的功能，有利于促进建设和分析的学习算法，同时允许大量的函数类。

后者包括非线性函数以及功能上定义nonvectorial数据。

我们涵盖范围广泛的方法，从二元分类到复杂的估计方法与结构化数据。