非线性支持向量机与核函数

本文介绍了非线性分类问题如何通过核技巧转化为线性支持向量机,阐述了核函数的概念,指出在学习过程中仅定义核函数而无需显式定义映射函数,探讨了多项式、高斯和字符串等常用核函数,并强调了核函数在解决离散数据问题中的应用。
摘要由CSDN通过智能技术生成

1. 核技巧
1.1 非线性分类问题
  非线性分类问题不好求解,一般将其转化为一个线性分类问题进行求解,核技巧就是这样,其基本思想就是通过非线性变换将输入空间对应到一个特征空间上,使得输入空间中的超曲面模型对应于特征空间上的一个超平面模型也就是支持向量机,问题转化为在特征空间中求解支持向量机。

1.2 核函数
  对于输入空间 和特征空间 ,存在一个从 的映射: ϕ(x): , 使得对所有 x,

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值