核函数参数的理解,不知道对不对。。。
SVM的决策函数可以理解为只依赖于输入和样本内积的一种映射,也正是这种内积计算使得SVM可以利用核技巧解决线性不可分的情况。核技巧的想法是,在学习和预测中只定义核函数,而不显示的定义映射函数。映射函数将输入空间映射到特征空间,而特征空间一般是高维的,甚至是无穷维的。
今天说两个事儿:高斯径项基核函数为什么可以映射到无穷维,以及,高斯径项基核函数里面的参数对模型有什么影响
1. 无穷维的特征空间:
一句话概括就是利用了泰勒展开。下面以二维空间为例:(图中核函数笔误:分母应该为平方项)
2. 高斯核函数里面的参数对模