Kernels I
我将对支持向量机算法做一些改变
以构造复杂的非线性分类器我们用"kernels(核函数)"来达到此目的
如果你有大量的特征变量 如果 n 很大 而训练集的样本数 m 很小
特征变量 x 是一个 n+1 维向量你应该拟合 一个线性的判定边界 .不要拟合非常复杂的非线性函数 因为没有足够的数据
一个实现过程中的注意事项 如果你有大小很不一样 的特征变量在使用高斯核函数之前 对它们进行归一化是很重要的
多项式核函数几乎总是 或者通常执行的效果 比高斯核函数差一些 .所以用得没有那么多 但是你有可能会碰到 通常它只用在
当 x 和 l 都是严格的非负数时 这样以保证这些 内积值永远不会是负数
SVM 在一个区间内 是一个非常有效地学习复杂非线性函数的方法