《机器学习技法》学习笔记03——核SVM

http://blog.csdn.net/u011239443/article/details/76598872

核技巧

接着上篇博文的问题:

我们先假定:

则有:

于是我们就得到了核函数:

那么我们就可以直接用核函数带入到原来的问题中,我们能计算出b:

讲核函数代入gSVM=sign(∑SVindicesnwTzs+b)g_{SVM}=sign(\sum_{SV indices n}w^Tz_s+b)得:

多项式核

我们可以讲Φ2Φ_2做一些变化,得到更容易的核函数:

还可以讲其推广:

K1K_1 称为线性核,在选择核函数时,我们优先选择简单的线性核。

高斯核

我们能将x映射到无限高的维度上吗?答案是肯定的,使用高斯核就能做到:

高斯核的定义:

不同γ取值的例子:

因此SVM还是容易产生过拟合,γ取值不能过大

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券