SVM处理非线性问题
SVM处理非线性问题
一、总结
一句话总结:
【利用核函数】:到更高维度去找可以分类的超平面(无限维度的平面中必然可分)。
【软间隔和正则化】:有限制地降低分类要求,允许一部分样本(不满足的样本要尽量少)不满足。
1、在现实任务中,原始样本空间也许并不存在一个能正确划分两类样本的超平面,那这个时候应该怎么办呢?
1、我们的想法是仍然去找平面,但我们去更高的纬度里去找平面。在低维空间里一些线性不可分的数据集,到高维空间里面将会以更大的概率被线性分开。
2、如果说你在无限的维度里面进行这个操作,那么这些点能被线性分开的概率为1。
二、SVM处理非线性问题
转自或参考:SVM处理非线性问题
https://blog.csdn.net/ffcyygd/article/details/104532946
我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站:
【读书编程笔记】fanrenyi.com;有各种前端、后端、算法、大数据、人工智能等课程。
版权申明:欢迎转载,但请注明出处
一些博文中有一些参考内容因时间久远找不到来源了没有注明,如果侵权请联系我删除。
AI交流资料群:753014672