核方法的理解

核方法在非线性分类问题上有很好的解决思路,应用于学习器SVM以及降维KPCA上,当然二者路径也不同,SVM就是从低维不可分映射到高维可分,而KPCA是从低维不可分映射到高维后再降维到低维可分,但都脱离不来这个核方法。 核方法的原理大致是:在将低维映射到高维的过程中,如果在高维空间计算点积,其复杂度可想而知,但通过核函数可以在低维空间内得到高维空间的点积。 理解的核心在于:核函数如何做到这点呢? 通
相关文章
相关标签/搜索