浙大机器学习课程-6-支持向量机(SVM处理非线性可分2,低维到高维映射2)

上面是w的一种取值情况 当前w的取值刚好把高维x1,x2,x3,x4分成两类,(1.3>0)(-1.-1<0) 结论:把x移动到高维,更有可能被一个线性的超平面分开,维度越高,被线性分开的概率越大,当维度无穷,线性分开的概率为1 如何选取fai(x)(SVM最有创造力的方面) ①fai(x)选择无限维效果会好一点 根据这个条件,w也会是无限维(整个的优化将会不可做) 核函数的自变量是两个地位向量x
相关文章
相关标签/搜索