支持向量機SVM

SVM-核函數（Kernels） 非線性決策邊界 ​ 對於下圖中的數據集分類，我們一般會想到構造多項式特徵變量： 我們也可以寫爲： \(\theta_0+\theta_1f_1+\theta_2f_2+...\)， \(f_1=x_1,f_2=x_2,...\)，通過之前的知識可以看到加入這些多項式提供了更多的特徵向量，然而有沒有比這些高階項更好的特徵向量（因爲這些高階項的計算量是非常大的）。 ​

>>阅读原文<<