sklearn-核函数使用对比(常用kernel)

本文探讨了核函数在低维空间线性不可分问题中的作用,通过将数据映射到高维空间实现线性可分。举例说明了sklearn库中线性、多项式和高斯核函数的使用,以及如何自定义线性核函数。
摘要由CSDN通过智能技术生成

常用核函数

在这里插入图片描述

核函数作用

低维空间(输入空间)线性不可分时,实现向高维空间的映射,从而实现线性可分:

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

示例代码

在这里插入图片描述
以下代码更改自sklearn官方例子,调用了线性、多项式、高斯核函数,自定义了线性核函数,示例如下:

import numpy as np 
import matplotlib.pyplot as plt 
from sklearn import svm, datasets

def make_meshgrid(x, y, h=0.02):
    x_min, x_max = x.min() - 1, 
  • 7
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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