← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9407.g · 生成模型:Tencent Hunyuan Hy

核技巧与核PCA

理解等级:中级

现实多为非线性问题,PCA/LDA线性变换并非最佳。核PCA借核技巧把非线性可分数据映射到高维特征空间使其线性可分:定义非线性映射φ把d维映射到更高维k维,但直接映射计算成本高,故用核函数K在原始空间计算高维向量点积(相似度)避免显式计算φ。常用核有多项式核、sigmoid核、径向基/RBF(高斯)核。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第5章《5.3.1 核函数与核技巧》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/通过使用核技巧,我们可以在原始特征空间中计算两个高维特征空间中向量的相似度`) - 结论依据:原文直接支撑上述要点。 - 原始内容:通过使用核技巧,我们可以在原始特征空间中计算两个高维特征空间中向量的相似度