【第一部分是SVM】
博客来源:
https://blog.csdn.net/csdn_black/article/details/79446504
这个博客个人觉得写的很好,很多细节的地方都说的很清楚,就是有一种刚在想为什么,他接下来就回答了的感觉。
因为我比较小白,直接看《西瓜书》有点不知所云,不知道公式怎么就到下一步了,所以觉得这样的博客真的很赞,后面对偶问题KTT条件什么的自己再查查其他资料,然后再结合《西瓜书》就会理解很多。
分享 Mark一下~
【看懂了上面以后,顺便说下自己理解的SVM中的核函数】
(1)首先:
问题背景是SVM处理2维中线性不可分的话,总能把数据映射到高维空间,达到可分的效果。详细的如下图《西瓜书》所说:
如果理解了上面那位童鞋的笔记,就可以知道(6.19)、(6.20)、(6.21)都根据之前结果类比理解就行。
只不过与线性可分不同的是xi、ji变成了加了映射函数的φ(xi)、φ(xj),然后可以发现(6.21)中最后φ(xi)φ(xj)就是【映射后求内积】的意思。
(2)其次:
在有了上述问题背景后,该怎么解决,答案是用核函数解决。那么为什么要选择用核函数呢?
《西瓜书》也给了解释:
(3)最后:
知道了为什么要用核函数后,就能把(6.21)中难求的φ(xi)φ(xj)转换成k(xi,yi),得到(6.23)。
(4)总结:
由上我们可以知道,核函数不是映射函数,也不是映射到高维空间后的内积,它的功能是代表或集成了【映射和映射后的内积】这两部分。
好啦~ 以上就是个人对SVM相关内容的理解逻辑,欢迎讨论和指正~