Чи корисні функціональний аналіз та гільбертові простори в машинному навчанні? Якщо так, то як?

Мені було цікаво, наскільки гільбертові простори та функціональний аналіз корисні для машинного навчання? Мені здалося, що машинне навчання - це поєднання статистики, інформатики та оптимізації. Як функціональний аналіз стосується цього?

Вся теорія відтворюваного простору ядра системи, що лежить в основі розробки підтримуючих векторних машин і структурованих SVM, побудована на теорії просторів Гільберта. Також розробка деяких застосувань SVM, як виявлення зовнішньої форми, яка ґрунтується на ідеї оцінки підтримки невідомого розподілу ймовірностей (див. Оцінка підтримки розподілу високих розмірів, Schölkopf та ін. ).

Просто для додання відповіді @SmallChess. На практиці це можна зробити, не знаючи цього добре, але вам неодмінно потрібно зрозуміти реалізацію, алгебру та геометричні інтерпретації рішень, заданих алгоритмом вибору.