機器學習(十一) 支持向量機 SVM（下）
支持向量機通過某非線性變換 φ( x) ，將輸入空間映射到高維特徵空間。特徵空間的維數可能非常高。如果支持向量機的求解只用到內積運算，而在低維輸入空間又存在某個函數 K(x, x′) ，它恰好等於在高維空間中這個內積，即K( x, x′) =<φ( x) ⋅φ( x′) > 。那麼支持向量機就不用計算複雜的非線性變換，而由這個函數 K(x, x′) 直接得到非線性變換的內積，使大大簡化了計算。這樣
相關文章
- 1. 機器學習：支持向量機(SVM)
- 2. 機器學習——支持向量機(SVM)
- 3. [機器學習] 支持向量機(SVM)
- 4. 【機器學習】支持向量機(SVM)
- 5. 機器學習：支持向量機(svm)
- 6. 機器學習（支持向量機-SVM）
- 7. 機器學習————SVM支持向量機
- 8. 機器學習支持向量機--SVM
- 9. 機器學習-支持向量機（SVM）
- 10. 機器學習：支持向量機SVM
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • 漫談MySQL的鎖機制
- • Kotlin學習（一）基本語法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 機器學習：支持向量機(SVM)
- 2. 機器學習——支持向量機(SVM)
- 3. [機器學習] 支持向量機(SVM)
- 4. 【機器學習】支持向量機(SVM)
- 5. 機器學習：支持向量機(svm)
- 6. 機器學習（支持向量機-SVM）
- 7. 機器學習————SVM支持向量機
- 8. 機器學習支持向量機--SVM
- 9. 機器學習-支持向量機（SVM）
- 10. 機器學習：支持向量機SVM