qq_52928883的博客

用概率密度函数建模数据集中描述性特征的朴素贝叶斯模型

这是一种常见、常用的核函数。线性核函数可以将非线性问题转换为线性问题。线性核函数的数学表达式为：这是一种将数据从原始空间映射到更高维空间的核函数。它衡量样本之间的“相似度”，使同类样本在新的空间中更好地聚在一起，从而更易于进行线性分类。假设我们有两个二维特征向量 𝑥1=[1,2]x1​=[1,2] 和 𝑥2=[3,4]x2​=[3,4]，且 𝜎=1σ=1。它们的高斯核计算如下：首先，计算两个特征向量的欧氏距离的平方：然后，计算高斯核：举个例子我们有一串颜色为红色和蓝色的珠子，它们排成一条直线。

本文用PCA对数据集进行降维，通过随机森林进行训练，最后用十字交叉验证