本文介绍了如何利用核函数和SMO算法解决非线性分类问题，特别是在手写数字识别中的应用。核心内容包括核技巧的概念，如何将非线性问题转化为线性问题，以及核函数在支持向量机中的作用，详细阐述了核函数的定义和类型，如linear和RBF核，并探讨了它们在不同场景下的适用性。
核函数使用以及SMO算法实现手写数字识别
核技巧
什么是核函数
解决什么问题
1.非线性分类问题–使用核技巧解决的问题
非线性分类问题是指利用非线性模型才能很好的进行分类的问题
如图:
实质上是将非线性问题 — 转化为线性问题
设原空间为χ⊂R2,x=(x(1),x(2))T∈χχ⊂R2,x=(x(1),x(2))T∈χ 新空间为Z⊂R2,z=(z(1),z(2))T∈ZZ⊂R2,z=(z(1),z(2))T∈Z
定义从原空间到新空间的变换(映射):
z=ϕ(x)=((x(1))
最低0.47元/天 解锁文章
扫一扫
1846
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
