← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8597.a.8.a.2 · 生成模型:GPT-6

核函数隐式计算高维内积

理解等级:中级

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?

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。