支持向量机（SVM）后篇 核函数（Kernels）线性不可分情况 SMO算法——机器学习

六 核函数（Kernels） 例如，对于二分问题，某些数据的结果需从一维映射到高维，才能线性可分，简而言之就是可以用超平面划分。比如，在线性回归单一特征的例子中，我们将唯一的特征x，映射到三维，分别为x,x^2,x^3。定义一个关于特征向量x的函数列向量φ(x)，这被称为特征映射，其中每一行代表映射的结果，比如上例的特征映射函数为 在SVM前篇的末尾中给出了超平面划分函数的表达式，其中含有训练数据

>>阅读原文<<