热线电话：13121318867

登录
首页精彩阅读kernel 核函数 意义 作用 原理_机器学习
kernel 核函数 意义 作用 原理_机器学习
2016-12-14
收藏

kernel 核函数 意义 作用 原理_机器学习

核函数目的：把原坐标系里线性不可分的数据用Kernel投影到另一个空间，尽量使得数据在新的空间里线性可分。

核函数方法的广泛应用,与其特点是分不开的：

1）核函数的引入避免了“维数灾难”,大大减小了计算量。而输入空间的维数n对核函数矩阵无影响，因此，核函数方法可以有效处理高维输入。

2）无需知道非线性变换函数Φ的形式和参数.
3）核函数的形式和参数的变化会隐式地改变从输入空间到特征空间的映射，进而对特征空间的性质产生影响，最终改变各种核函数方法的性能。
4）核函数方法可以和不同的算法相结合，形成多种不同的基于核函数技术的方法，且这两部分的设计可以单独进行，并可以为不同的应用选择不同的核函数和算法。数据分析培训

kernel SVM和linear SVM相比，就是把所有的两个向量之间的点积换成了一个kernel函数。而且由于转换过程中单个的Φ(x),Φ(y)的函数形式和参数难以确定，所以通过核函数可以直接越过此步骤。（点积的意义就是相似度，相似度越大，夹角越小，结果值越大）

x y –> K(x,y)=Φ(x)’  Φ(y)

K(x,y)表示在投射空间内两个向量的点积

Gaussian Kernel的表达形式是 K(x,y)=exp(-||x-y||^2/theta^2).

这个东西看起来是一个相似度。如果两个向量是相同的，这个kernel的值是1。

然而两个相同的向量的点积并不是1，点积好像也没有相似度的含义。（此句为原提问着的疑问）

对kernel最容易理解的一个例子：

X = (x1,x2)


Φ(X) = (x1*x1, sqrt(2)*x1*x2, x2*x2)

kernel(X,Y) = Φ(X)’*Φ(Y) = (x1*y1)^2+2*(x1*y1*x2*y2)+(x2*y2)^2 = 
 
(x1*y1+x2*y2)^2 = (X’*Y)^2

即二次齐次核 kernel(X,Y) = (X’*Y)^2



CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

SVM 特征空间 特征 机器学习 数据分析

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇图论在大数据分析中的作用！
下一篇CDA认证再升一档！与国家共同推进大数据人才培养标准教育事业！
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询