本文深入探讨SVM中的核函数，重点解释了如何使用高斯核函数实现低维到无穷维的特征映射，以解决线性不可分问题。通过核技巧避免直接寻找复杂映射函数，降低计算复杂性。
SVM中核函数的理解
本文主要是对SVM核函数进行理解，并证明高斯核函数能将特征映射到无穷维。
0 回顾
SVM对偶形式如下：
minα12∑i=1N∑j=1Nαiαjyiyj(xi,xj)−∑i=1Nαi\min \limits_{\alpha} \frac{1}{2} \sum\limits_{i=1}^N \sum\limits_{j=1}^N \alpha_i \alpha_j y_i y_j (x_i,x_j)-\sum\limits_{i=1}^N \alpha_{i}αmin21i=1∑Nj=1∑Nαiαjyiyj(xi,xj)−i=1∑Nαi
αi≥0，i=1,2,...,N\alpha_i \ge 0，i=1,2,..., Nαi≥0，i=1,2,...,N
∑i=1nαiyi=0\sum\limits_{i=1}^{n} \alpha_iy_i = 0i=1∑nαiyi=
最低0.47元/天 解锁文章
扫一扫
380
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
