支援向量機之非線性支援向量機(四)
阿新 • • 發佈:2019-02-13
非線性支援向量機與核函式
核技巧
對於非線性分類問題,可以轉換成線性問題求解。
首先,將原始特徵空間資料對映到新的空間
然後,在新的空間利用線性可分支援向量機方法求解
核函式
設
使得對所有的
則稱
在學習中一般情況核函式有自己定義輸入的。
核函式應用到支援向量機
線性支援向量機的對偶問題是:
換成核函式只需要將上面的 ,xj>
目標函式是:
分類決策函式是:
常用到的核函式
1.多項式核函式(polynomial kernel function)
a,b,p是常數,p一般取3,有個理論是:三次函式可以擬合出任意形式的函式。
2.高斯核函式(Gaussian kernel function)
對應的支援向量機是高斯徑向基函式(radial basis function,簡稱RBF)分類器
這兩個比較常見的
非線性支援向量機分類器
最優化問題:
目標函式是:
最優解:
選擇