机器学习笔记——支持向量机（4）——核函数与总结

引言

在上一节中已经介绍了svm中原问题与对偶问题的相关知识。这一节将对svm进行总结并介绍一些常用的核函数

svm算法总结

我们从训练流程与测试流程两个方面进行总结

训练流程

输入{（xi，yi）} （i=1~N）

解优化问题：

最大化：

限制条件：（可以使用SMO算法求解）

计算b

找一个 0 < αi < C , 有

测试流程

输入测试样本x

①若

则 y = 1

②若

则 y = -1

SVM内核总结

1.Linear （线性内核）

当使用线性核去解原问题和对偶问题时，其答案与复杂度上都保持一致。因此使用线性内核等于没有用核

2.Ploy（多项式核）

d是一个整数，随着d越大，K对应的维度越高，核函数越复杂

3.Rbf（高斯径向基函数核）

可以证明，高斯核对应的 ψ映射关系是一个无限维度的

4.Tanh核

（创作不易 ，如需转载请联系作者）

欢迎交流学习，感谢您的阅读