← 返回卡片

原书出处

机器学习算法原理与编程实践

08 第8章 万能分类器——支持向量机

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.768Z

可分的情况,但是映射到高维空间(右图)之后,很明显变得线性可分了。也就是说,对于线性不可分的数据,现在我们要做两项工作:

首先,使用一个非线性映射θ(z)将全部原始数据x变换到高维特征空间,在这个空间中,样本变得线性可分了;其次,在特征空间中使用线性分类器学习分类。

图8.7 映射到高维空间 下面我们举一个例子来说明:假设我们已经知道低维空间(样本维度)中的一个非线性函数,当然是一个

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00028.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d