以下为《支持向量机核函数的一个简单的例子》的无排版文字预览,完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。
支持向量机核函数的一个简单的例子
假设现在有两个数据,Xi=(x1,x2,x3),Xj=(x4,x5,x6),数据不能再三维空间进行划分,这时候需要一个函数来将数据映射在更高维度的空间上,假设现在选取的核函数为F(x)=x2。
那么Xi=(x1,x2,x3)->Xi=(x12,x1x2,x1x3,x22,x2x1,x2x3 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 来做,可以发现(2)=(4+10+18)2=1024,显然上面的计算相同,并且这样做的话计算量会小很多,那么SVM中在对线性不可分的数据分类的时候会先计算Xi,Xj的内积,在对内积进行核函数的变化,这样的话时间复杂度就是O(n),先利用核函数扩张在进行内积的时间复杂度是O(n2)。所以SVM选择的是前者。
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《支持向量机核函数的一个简单的例子》的无排版文字预览,完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的,下载的文档就是什么样的。