文章目录
-
-
- 支持向量机（SVM）中的核函数详解
- 1. 什么是核函数？
-
- 核函数的作用：
- 2. 核技巧：从低维到高维的映射
- 3. 常见的核函数类型
-
- 3.1 线性核函数
- 3.2 多项式核函数
- 3.3 高斯径向基函数（RBF核）
- 4. 总结
-
支持向量机（SVM）中的核函数详解
支持向量机（SVM，Support Vector Machine）是一种非常强大的监督学习算法，广泛应用于分类和回归问题。SVM的目标是通过寻找一个最佳的超平面（Hyperplane），将数据分为不同的类别。然而，现实中很多问题并不是线性可分的，这就需要使用核函数来解决非线性问题。接下来，我们将详细讲解核函数是什么，为什么它能帮助SVM处理非线性问题，并介绍常见的几种核函数类型。
先看以下超平面的概念：
通俗讲就是比当前维度低1维度的对象，将当前维度的数据切分为不同类别的那个东西，就是超平面，如下图所示，平面中的那条红线就是 “超平面"
