课程简介
继续上一课最后的问题,当数据是非线性可分的时候需要把数据转化到 Z 空间(线性可分)才可以利用 SVM ,因此需要知道 Z 空间是什么。这节课解决了不用知道具体的 Z 空间就可以利用 SVM 进行分类。
最后,该课程介绍了如何因对过拟化的问题。思想跟十一课介绍的相同,就是设置一个限制条件。
课程提纲:
1、the kernel trick.
2、Soft-margin SVM
1、The Kernel Trick
通过十四课可以知道,我们只需要Z空间提供两个数据点的内积,并不需要知道如何把 x 转换到 z 。
如下图中求解 SV 的过程可知。
因此,我们的目标是找到如下函数:
Z*Z' = K(x,x');—— the kernel。