文件名称：核函数Kernel-c#实现文件夹的复制和删除
文件大小：1.82MB
文件格式：PDF
更新时间：2024-06-29 10:35:54
面试算法
2.2、核函数Kernel 2.2.1、特征空间的隐式映射：核函数 在线性不可分的情况下，支持向量机通过某种事先选择的非线性映射(核函数)将输入变量映射到一个高维特 征空间，在这个空间中构造最优分类超平面。我们使用SVM进行数据集分类工作的过程首先是同预先选定 的一些非线性映射将输入空间映射到高维特征空间(下图很清晰的表达了通过映射到高维特征空间，而把平 面上本身不好分的非线性数据分了开来)： 使得在高维属性空间中有可能最训练数据实现超平面的分割，避免了在原输入空间中进行非线性曲面分割 计算，且在处理高维输入空间的分类时，这种方法尤其有效，其工作原理如下图所示： 而在我们遇到核函数之前，如果用原始的方法，那么在用线性学习器学习一个非线性关系，需要选择一个 非线性特征集，并且将数据写成新的表达形式，这等价于应用一个固定的非线性映射，将数据映射到特征 编程之法：面试和算法心得 - 190 -本文档使用 看云 构建