有关SVM里面的低维映射到高维的一点思考

文章目录

前言

之前在学习SVM的时候,看到一个比较有意思的特性,特此记录一下;

一个例子

x = ( x 1 , x 2 ) , z = ( z 1 , z 2 ) x = ( x_{1},x_{2} ), z = ( z_{1},z_{2} ) x=(x1,x2),z=(z1,z2),X和Z都是低维度空间里的两个向量,下面做一些比较简单的运算:
x T z = ( x 1 z 1 + x 2 z 2 ) x^{T}z=(x_{1}z_{1}+x_{2}z_{2}) xTz=(x1z1+x2z2)
ϕ ( x ) = ( x 1 2 , x 2 2 , 2 x 1 x 2 ) \phi(x)=(x_{1}^{2},x_{2}^{2},\sqrt{2}x_{1}x_{2}) ϕ(x)=(x12,x

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