SVM（三） 核函数

引

今天我们讲解一下SVM的核函数，那么什么是核函数呢？我也不知道啊，但是我们可以从普通的回归任务出发。假设我们有这样一个式子：

\begin{equation}
\begin{split}
h_\theta (x_1, x_2) = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + \theta_3 x{_1^2} + \theta_4 x_2^2
\end{split}
\end{equation}

我们令 \( x_3 = x_1^2 \)， \(x_4 = x_2^2\)，那么上面的式子变成了：

\begin{equation}
\begin{split}
h_\theta (x_1, x_2) = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + \theta_3 x_3 + \theta_4 x_4
\end{split}
\end{equation}

​

从上面可以看出，原来的2元n次多项式回归变成了4元1次多项式回归，通过这个改进，我们是不是把上述的非线性回归重新变回了线性回归，即把特征从2维空间映射到了4维空间。这就给了我们启发，如果想把非线性特征转变为线性特征，只要把