线性支持向量机 (Linear-SVM) 被用于线性可分的数据集的二分类问题,当数据集不是线性可分的时候,需要利用到核函数将数据集映射到高维空间。这样数据在高维空间中就线性可分。
高斯核函数(Gaussian kernel),也称径向基 (RBF) 函数,是常用的一种核函数。它可以将有限维数据映射到高维空间,我们来看一下高斯核函数的定义:
k(x,x′)=e−||x−x′||22σ2
k(x,x′)=e−||x−x′||22σ2
上述公式涉及到两个向量的欧式距离(2范数)计算,而且,高斯核函数是两个向量欧式距离的单调函数。σσ 是带宽,控制径向作用范围,换句话说,σσ 控制高斯核函数的局部作用范围。当xx 和x′x′ 的欧式距离处于某一个区间范围内的时候,假设固定x′x′,k(x,x′)k(x,x′) 随x的变化而变化的相当显著。