《机器学习技法》学习笔记03——核SVM
2017-08-28 本文已影响52人
033a1d1f0c58
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$g_{SVM}=sign(\sum_{SV indices n}w^Tz_s+b)$得:
多项式核
我们可以讲$Φ_2$做一些变化,得到更容易的核函数:
还可以讲其推广:
$K_1$ 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