机器学习与数据挖掘深度学习-推荐系统-CV-NLP机器学习与计算机视觉

《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

上一篇下一篇

猜你喜欢

热点阅读