从0开始学习机器学习--Day24--核函数

Chef_Chen

于 2024-11-13 22:18:06 发布

阅读量762

点赞数 5

CC 4.0 BY-SA版权

文章标签：学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Chef_Chen/article/details/143753869

核函数(Kernelsl function)

非线性数据的决策边界

对于非线性问题来说，决策边界在很多时候都是曲线，需要我们在假设函数中加入高阶多项式来拟合原始数据，这对于算法来说需要很长的运行时间去计算这些高阶多项式，那么有没有更高效的方法呢？

假设我们在特征 $x_{1},x_{2}$ 的坐标轴上标记三个点 $l^{(1)},l^{(2)},l^{(3)}$ ，设置新的输入变量为 $f_{1}=similarity(x,l^{(1)}) = e^{(-\frac{||x-l^{(1)}||^{2}}{2 \sigma^{2}})}$ ，后面三个点也是类似的计算公式，我们把相似度函数

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。