SVM高斯核为何会将特征映射到无穷维?【转载】

本文探讨了SVM中线性不可分问题的解决方法,通过升维和核技巧使数据变得线性可分。详细解释了多项式核和高斯核的作用,尤其对高斯核如何将数据映射到无穷维度进行了深入分析。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

转自:https://www.zhihu.com/question/35602879

1.问题:

SVM中,对于线性不可分的情况下,我们利用升维,把低维度映射到到维度让数据变得“更可能线性可分”,为了避免维度爆炸,我们巧妙的运用了核函数,避免了在高维度空间的计算,而只需要在低维度空间进行计算。

对于核函数,有:

多项式核:

高斯核:

对于多项式核,我们把低维度映射到高维度,我们可以从公式中很容易的理解,但是对于高斯核,“把维度映射到无穷多维”,是如何理解的?如何看出是“无穷多维”的?

2.回答

注:基本回答里都是将x视为一维的,这样更容易直管理解,那么如果是向量怎么推导,我不会。

 

 

转载于:https://www.cnblogs.com/BlueBlueSea/p/10448336.html

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