知识卡片
核函数隐式计算高维内积
核函数用原始输入计算映射后特征向量之间的内积,训练可通过这些内积得到特征空间中的线性边界。这个边界在原坐标中可以呈曲线。核技巧避免显式构造高维向量,仍有计算核矩阵的成本。
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
- 支持向量机SVM 9.2.3 · 查看原书依据
但核函数的价值在于它虽然也是将特征从低维转换到高维,但核函数绝就绝在它事先在低维上进行计算,而将实质上的分类效果表现在高维上,也就做到了如上文所说的避免了直接在高维空间中的复杂计算。
参考来源
- 位置:《AI制胜:机器学习极简入门》第9章 支持向量机SVM §9.2.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter9.xhtml#isbn9787302555513_9_1_2_3)
- 结论依据:原文从原空间难分和高维可分引出核计算的用途。
- 原始内容:但核函数的价值在于它虽然也是将特征从低维转换到高维,但核函数绝就绝在它事先在低维上进行计算,而将实质上的分类效果表现在高维上,也就做到了如上文所说的避免了直接在高维空间中的复杂计算。