线性核函数 (Linear核函数)
定义:
使用条件:特征比较丰富,样本数据量巨大,需要进行实时得出结果的问题。
多项式核函数(polynomial核函数)
定义: 其中r>0,一般n取2,c取1。
经过多项式变换后,低维数据将变成高维数据,计算量暴涨。
例如两个三维数据x1=(0,1,2),x2=(3,4,5)在3D空间不能对其进行线性划分,需要通过某个函数将其映射到更高维的空间,假如映射到9维空间,f(x1)=(0,0,0,0,1,2,0,2,4), f(x2)=(9,12,15,12,16,20,15,20,25),再做内积<f(x1),f(x2)>=0+0+0+0+16+40+0+40+100=196。
但是有个数学公式很神奇:K(x,y)=(<x,y>)**2 该公式即是核函数。
K(x,y)=(0+4+10)**2=196。
高斯核函数(Gaussian核函数)
定义:
通过该公式可知,其作用类似两个样本点之间的距离的度量。若X和Y相似,则结果接近1,反之接近0。
越小,高斯函数图像越陡峭,说明两点的差异表现越明显,识别的效率可能越高,但易发生过拟合;反之,高斯函数图像越平滑,说明两点的差异表现越不明显,识别的效率可能较低,但不易发生过拟合 。