机器学习基石------NonLinearTransformation

Nonlinear Transformation

Quadratic Hypotheses

NonLinear Transform

Price of NonLinear Transform

Structed Hypothesis sets

Quadratic Hypotheses

将线性分类转化为非线性分类 最主要的一点是特征空间的转化
以上图中圆圈分类为例 将x空间转化为z空间 在z空间中进行线性分类
那反过来想 在z空间中线性可分对应在原始空间中可能是不同的形状

对于Z空间中的直线想要对应X空间中的所有二次曲线可以通过转化函数 Φ(x)

在之前的学习中学习到了对于线性可分的资料通过学习得到一个线性的分类器 那么对于Z空间的线性可分的资料同样的可以通过（Φ（x）,y）作为学习资料 在Z空间中进行学习

当Q变得大的时候vc dimension 也随之变大
这也就出现一个问题 究竟选择多大的Q是比较合适的