笔记(总结)-SVM(支持向量机)的理解-3

时间 2020-12-30

标签 SVM 核函数 kernel 高斯核繁體版

原文原文链接

上篇讲述的Soft Margin SVM是为了解决线性不可分的问题，它解决问题的逻辑是通过允许一部分样本分得不那么准确（进入“楚河汉界”）甚至错分，使得在绝大多数样本能够正确地线性可分。本篇引入核函数(kernel)，从另一个思维角度来解决线性不可分问题。问题引入当样本在某个特征空间不可分时，可以通过将样本映射到另一个特征空间，在该空间中样本分布满足线性可分条件，再使用SVM进行学习分类：根

>>阅读原文<<

1. 笔记(总结)-SVM(支持向量机)的理解-4
2. 笔记(总结)-SVM(支持向量机)的理解-2
3. SVM支持向量机原理总结
4. 支持向量机SVM(3)
5. 支持向量机SVM相关总结
6. 支持向量机SVM总结
7. 支持向量机(SVM)总结
8. 支持向量机 SVM-学习笔记
9. svm支持向量机学习笔记
10. SVM支持向量机算法笔记
更多相关文章...
• R 绘图 - 中文支持 - R 语言教程
• Git 分支管理 - Git 教程
• Tomcat学习笔记（史上最全tomcat学习笔记）
• 漫谈MySQL的锁机制