加州理工学院公开课：机器学习与数据挖掘_Kernal Method（第十五课）

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。