核函數

對於非線性特徵集的分類過程可拆解爲兩步： 第一步：利用非線性映射，將數據從輸入空間映射到特徵空間中 第二步：使用線性學習器對特徵空間的數據進行分類函數 將以上兩個步驟融合在一塊兒，隱式完成輸入空間數據集到特徵空間數據集的映射，創建非線性學習器的方法，稱爲核函數方法。學習 核是利用測試點和訓練點的內積表示的決策規則。 幾種經常使用核： 線性核、多項式核、高斯核、sigmoid核函數、混合核函數（前面

>>阅读原文<<