知识卡片
常用核函数一览
原文列出五类核函数,各自的形状决定了边界的形态:
| 名称 | 形式 | 要点 | | 线性核 | K=⟨x,x′⟩ | 不退维,适合特征多而样本少的情形 | | 多项式核 | (1+⟨x,x′⟩)^d | d 控制交互阶数,d 过大会过拟合 | | 径向基核 | exp(−γ‖x−x′‖²) | 只依赖距离,γ 控制局部影响范围 | | 高斯核 | 径向基的一类 | 光滑、最常用 | | 神经网络核 | tanh(k1⟨x,x′⟩+k2) | 形似两层感知机 |
核的选择没有普适最优,要看特征形态并用交叉验证比较;上机实践中 Glass 与 HAR 两个数据都出现线性核不劣于甚至优于复杂核的结果,见 [[LIBSVM格式与HAR实战]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第7章 支持向量机 · 查看原书依据
线性核:K(x, x′)=〈x, x′〉 多项式核:K(x, x′)=(1+〈x, x′〉)d 径向基核:K(x, x′)=exp(-γ‖x-x′‖2)
参考来源
- 位置:《大数据挖掘与统计机器学习》第7章 支持向量机(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter9_0003.xhtml,7.3 一些拓展)
- 结论依据:原文以列表形式给出线性核、多项式核、径向基核、高斯核与神经网络核的具体表达式。
- 原始内容:线性核:K(x, x′)=〈x, x′〉 多项式核:K(x, x′)=(1+〈x, x′〉)d 径向基核:K(x, x′)=exp(-γ‖x-x′‖2)