这一文章主要讲述高斯核函数的直观理解,并不会涉及支持向量机代价函数及最优化的问题。
什么是高斯核函数?
在支持向量机中它是一个用来构造非线性边界的核函数。
高斯核函数的定义:
这个函数说白了,就是点X与空间中一点L(1)的相似度,其中sigma(σ)影响相似度的大小。
直观的来看其在二维中的表示,如假设A为点L的话,它会是这样的:
构造高斯核函数(这里的σ为2):
会发现距离A点越近相似度越接近于1,距离越远相似度越接近于0.
那么在三维中,是这样的:
当我们改变其σ=0.1:
所以当σ降
支持向量机中高斯核函数的直观理解
最新推荐文章于 2024-07-02 22:55:56 发布
本文深入浅出地介绍了高斯核函数在支持向量机中的作用,通过直观的二维和三维示例解释了σ对相似度的影响。探讨了如何利用高斯函数构建非线性决策边界,并通过权重分配和示例数据说明了如何找到合适的权重以绘制决策边界。
摘要由CSDN通过智能技术生成