說說為什麼svm中的某核能映射到無窮維

SVM使用的核函數大致是那麼幾種,線性,多項式,高斯核

高斯核函數可以映射到無窮維,只要你敢~ ̄□ ̄||

[K({x_1},{x_2}) = exp ( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}})]

高數中有這麼一招

[{e^x} = 1 + x + frac{{{x^2}}}{{2!}} + frac{{{x^3}}}{{3!}} + cdots + frac{{{x^n}}}{{n!}}]

做變化後得到

[K({x_1},{x_2}) = exp ( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}}) = 1 + ( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}}) + frac{{{{( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}})}^2}}}{{2!}} + frac{{{{( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}})}^3}}}{{3!}} + cdots + frac{{{{( - frac{{{{left| {{x_1} - {x_2}} 
ight|}^2}}}{{2{sigma ^2}}})}^n}}}{{n!}}]

可以看到可以映射到無窮維

同濟大學 高等數學上

同濟大學 高等數學下

svm核函數的理解和選擇 - CSDN博客

筆者雖然只是一些問題的搬運工,但是筆者才疏學淺,具體需要對問題進行深入的小夥伴還望自己閱讀相關文獻,這裡只是提出一些問題,以防止在面試時問到,如果內容有一些錯誤,還望批評指正~~~~

推薦閱讀:

帶你讀機器學習經典(三): Python機器學習(Chapter 1&2)
大數據時代的精準推薦,會影響人的自由選擇的能力和自由選擇的自由么?

TAG:机器学习 | 深度学习DeepLearning | 推荐系统 |