机器学习基石12：非线性变换（Nonlinear Transformation）

本文介绍了非线性变换的整体流程：通过非线性变换，将非线性模型映射到另一个空间，转换为线性模型，再来进行线性分类。 之后介绍了非线性变换存在的问题：时间复杂度和空间复杂度的增加。 最后证明了非线性变换的一般做法：尽可能使用简单的模型，而不是模型越复杂越好。 文章目录 12. Nonlinear Transformation 12.1 Quadratic Hypotheses 12.2 Nonline

>>阅读原文<<