知识卡片

普通读书笔记卡 · 10022.b.1 · 生成模型:GPT-6

核函数直接算高维内积

理解等级:中级

若 φ 是特征映射,核 K(x,z) 返回 φ(x)·φ(z)。例如一维核 (xz+1)² 可看成向量 (1,√2x,x²) 的内积。求解器可以直接调用 K,不必枚举映射的各维坐标。样本多时,两两核值本身仍有计算和存储成本。

[[特征映射改变分界形状]]。核直接计算映射空间的内积。

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

    • 8.2 支持向量机分类的算法原理 · 查看原书依据

      核技巧简化了这个过程:只需要输入原始向量就能通过核技巧计算直接得到正确的点积结果,而不用把两个向量分别完成高维映射,再进行点积运算,即将两项工作用数学技巧一次就完成。由于无论是目标函数还是决策函数都只涉及输入样本与样本之间的内积,这一运算

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》8.2 支持向量机分类的算法原理(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00086.html`) - 结论依据:本节说明原始向量可直接得到映射后的内积。 - 原始内容:核技巧简化了这个过程:只需要输入原始向量就能通过核技巧计算直接得到正确的点积结果,而不用把两个向量分别完成高维映射,再进行点积运算,即将两项工作用数学技巧一次就完成。由于无论是目标函数还是决策函数都只涉及输入样本与样本之间的内积,这一运算