知识卡片
线性可分取决于特征空间
在给定特征中,若存在一个线性得分与阈值把所有正负样本正确分开,数据便线性可分。变换特征可以改变这一性质。比如原空间里的异或点集无法用一条直线分开,增加两个坐标的乘积后可以得到新的可分坐标。
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5章附注 数据集的线性可分 · 查看原书依据
能将数据集中的正样本和负样本完全正确地划分到超平面两侧,即对所有的样本有,对所有的样本有,则称数据集线性可分,否则称数据集线性不可分.
参考来源
- 位置:《机器学习公式详解》第5章附注 数据集的线性可分(book-source:`extracted/机器学习公式详解/_epub-src/text/part0011_split_001.html`,第5章附注 数据集的线性可分)
- 结论依据:附注明确了一个超平面正确分开两类样本的条件。
- 原始内容:能将数据集中的正样本和负样本完全正确地划分到超平面两侧,即对所有的样本有,对所有的样本有,则称数据集线性可分,否则称数据集线性不可分.