2.正定核
听名字先不要着急着慌哈~倒杯水调整一个舒适的坐姿慢慢来理解~
上一篇我们的内容是:采用经验方法直接给定一个核函数,这样就避免了通过寻找映射函数来计算内积从而构造出核函数。因为映射函数很难去寻找。
但是是不是随便给一个函数,我们都能称之为核函数呢?肯定不是,所以我们需要对我们选择的核函数进行一些判定——即是否满足核函数的充要条件。(也就是说,我现在好到了一个函数,如果这个函数满足该充要条件,我们就说它是核函数,就可以按照上一篇的内容直接得到非线性SVM模型。否则,我们就需要重新去找了)
而且(重点)通常所说的核函数就是——正定核函数(positive definite kernel function)。(即我们给定的函数必须满足正定核的充要条件)
本篇就是要来介绍一下正定核的充要条件(以后在选择核函数的时候,判断一个函数是否可以被用来作为核函数的方法,就是该函数是否满足这个充要条件)
话不多说,直接给出正定核的充要条件定理:
设
是半正定矩阵。
(上面这个定理,可能一下子还看不明白,不过没关系~咱们只要清楚一件事:如果选择的函数K满足上面这个条件,那么我们就说这个函数是正定核函数,即可以被用在非线性SVM模型中。)
(关于这个定理的证明,说实话,我还是理解的不够深刻~我仍然把整个证明过程列出来,能看懂的就看看把~~)
在证明这个定理之前,我们先来学习一下有关的预备知识。
假设
第一步:定义映射,构成向量空间
先定义映射:
根据这一映射,对任意
考虑以上面线性组合为元素的集合
第二步:在
首先我们来在
定义运算
(1)
(2)
(3)
(4)
由于
对此式由Gram矩阵的半正定性知右端非负,即
再来证明“
设
不等式左端是
于是不等式
接着再证“
于是,
由刚才证明的那个不等式,有
进一步推出:
此式即可表明,当
至此就证明了之前假设的那个运算
既然运算”
则
第三步:将内积空间
现在将内积空间
这一希尔伯特空间
称为再生核。
上面就是就是证明正定核充要条件定理的预备知识。下面就来证明它:
证明:必要性。由于
于是,对任意
对任意
表明
充分性。已知对称函数
由前面第三步内容知,
并且
则,
表明
上面就是该定理的证明了。该定理给出了正定核的充要条件,因此可以作为正定核(即核函数)的另一个定义。
正定核的等价定义:设
是半正定矩阵,则称
【重要】这一定义在构造核函数时很有用。但对于一个凭经验选择的具体函数
那实际问题中,我们怎么办呢?实际问题中我们往往应用已经经过检验的现成的核函数(这也太真实了~),就是说我们通过以往的经验,已经形成了一个“核函数库”了,等到遇到实际问题时,我们看看问题是什么样子的类型,然后凭经验从“核函数库”里拿出那个我们认为最合适的核函数出来,不知道这样理解对不对,总之太真实了~~
另外,这一小节的最后,书中还由一句话:“由Mercer定理可以得到Mercer核(Mercer Kernel),正定核比Mercer核更具一般性。”就没有别的解释了,百度了下:
Mercer 定理:任何半正定的函数都可以作为核函数。具体的内容需要自行去了解,我就不叙述了~
如上所述,实际应用中,核函数一般是凭经验选取的,那么接下来我们就来介绍实际中常用的核函数有哪些吧~~