机器学习(四)监督学习---非线性SVM

最新推荐文章于 2020-08-15 11:34:16 发布

Raywit

最新推荐文章于 2020-08-15 11:34:16 发布

阅读量1k

点赞数 1

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_40520596/article/details/105716318

版权

机器学习专栏收录该内容

23 篇文章 4 订阅

订阅专栏

前言： 在前面的笔记中，我们使用的训练样本是线性可分的，即存在一个线性最优
超平面能将训练样本正确分类。 若样本是非线性如何处理呢？
在这里插入图片描述
采用非线性映射！！！，虽然该样本在现在这个空间非线性可分，但在高维空间则不一定，那么将样本从原始空间映射到更高维的特征空间，使得样本在这个特征空间内线性可分即可。

Eg. 非线性映射
在这里插入图片描述

上图采用 $x\Rightarrow x^{2}$ 映射发现变成最底下那张图的效果，此时可以用线性SVM来处理。

Eg. 特征空间映射
在这里插入图片描述

1. 回顾线性SVM

在这里插入图片描述

2. 核函数

在这里插入图片描述

3. 非线性SVM

在这里插入图片描述

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
机器学习(四)监督学习---非线性SVM

  前言：在前面的笔记中，我们使用的训练样本是线性可分的，即存在一个线性最优超平面能将训练样本正确分类。若样本是非线性如何处理呢？                   &nbsp...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。