快捷搜索:  汽车  科技

支持向量机svm算法的缺点(一文了解svm核函数)

支持向量机svm算法的缺点(一文了解svm核函数)所以这个无穷多项的式子正是对于exp(x)的近似,exp(x)所对应的映射:

最近看到很多关于svm核函数的问题,下面讲一讲为什么核函数可以把地位不可分数据映射到高维线性可分。

支持向量机svm算法的缺点(一文了解svm核函数)(1)

首先我们要清楚,SVM中,对于维度的计算,我们可以用内积的形式,假设函数:

支持向量机svm算法的缺点(一文了解svm核函数)(2)

表示一个简单的从二维映射到三维。

则在SVM的计算中,可以表示为:

支持向量机svm算法的缺点(一文了解svm核函数)(3)

再来看exp(x)泰勒展开式:

支持向量机svm算法的缺点(一文了解svm核函数)(4)

所以这个无穷多项的式子正是对于exp(x)的近似,exp(x)所对应的映射:

支持向量机svm算法的缺点(一文了解svm核函数)(5)

猜您喜欢: