机器学习之支持向量机(support vector machine)(三):核函数、SMO及Hinge loss

    对于线性可分SVM和线性SVM而言,其实默认数据是线性可分,或近似线性可分的。可是实际数据大多数为线性不可分的,所以,为了可以对数据进行准确划分,须要引入一些 tricks(kernal tricks),这就是核函数要作的事情,经过将低维数据映射到维核空间,使得数据在高维核空间可分,进而实现对类别的准确划分,其工做原理如图1所示。html                          
相关文章
相关标签/搜索