[支持向量机SVM] 西瓜书+个人理解 【5.核函数】

在理解核函数之前我们先回顾一下之前的假设,我们的假设是训练数据是线性可分的,也就是存在一个超平面可以把两类样本分开。但是在实际任务中原始的样本空间中也许根本就不存在一个线性可分的超平面,例如比较常见的的异或问题。这个时候我们可以将样本空间映射到更高维的空间,从而使其线性可分。

我们用φ(x)表示原始样本向量x映射后的向量,于是划分超平面模型就变为:

 根据上一节最后得到的SVM的基本型的对偶问题:

s.t. 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值