机器学习---背后数学原理--SVM之核函数
核函数
在有的数据样本中,样本本就不是线性可分的。
所以,我们就希望 找到一个非线性函数,将样本数据由低维映射到高维,从而使得样本在高维空间下,是可以线性可分的。
cover theonemy: 高维比低维更容易线性可分。
即通过非线性带来高维的转换
假设这个非线性的映射函数为
则,映射之后,样本的特征由x变为z
但是
有的时候维度非常高,甚至为无限维。导致的计算复杂度非常的高。
解决方法:使用核函数
因为观看模型,我们最终不是要得到,我们只需得到计算结果即可。
即想个方法,直接得到的结果,而不要通过计算内积得到值。
因此,我们定义一个核函数, 有
我们的目标就是需要找到满足这种条件的核函数。
比如,有
核函数正式定义: