机器学习-RBF高斯核函数处理

最新推荐文章于 2024-08-04 15:50:59 发布

jacksoom

最新推荐文章于 2024-08-04 15:50:59 发布

阅读量8.7k

点赞数

分类专栏： mechine learning 文章标签： scala 机器学习优化 svm优化高斯核函数

本文链接：https://blog.csdn.net/qq_19341327/article/details/51478679

版权

这篇博客探讨了SVM中RBF高斯核函数的优化，强调了理解和掌握协方差矩阵与高斯核函数公式的重要性。作者选择了使用Scala实现矩阵变换，并分享了核心代码，以帮助读者更好地理解这一概念。尽管作者原本考虑使用jblas矩阵包，但最终决定亲自编写，以加深理解。代码适合在Scala命令行环境中调试，部分灵感来源于百度知道的讨论。

摘要由CSDN通过智能技术生成

SVM高斯核函数-RBF优化
重要了解数学的部分：
协方差矩阵，高斯核函数公式。
个人建议具体的求法还是看下面的核心代码吧，更好理解，反正就我个人而言，烦躁的公式，还不如一段代码来的实际。本来想用java的一个叫jblas的矩阵包，但是想了想，还是自己动手写一下吧。加深一下自己理解。实现的语言用的是java孪生兄弟scala。我想应该不难懂。矩阵变换用二位数组将就。
以下代码建议用scala命令行调试

核心代码

def TransposedMatrix(a:Array[Array[Double]]):Array[Array[Double]]={//返回转置矩阵
    val length=a.length
    val width=a(0).length
    var TransposedM =Array.ofDim[Double](width,length)
    for(i <- 0 to length-1)
      for(j <- 0 to width-1) {
        TransposedM(j)(i) = a(i)(j)
      }
    TransposedM
  }


  def R1(i:Int,j:Int,M:Array[Array[Double]]):<