Kernels（similarity）核函數

基於在SVM中定義新的特徵變量進行核函數講解 使用核函數的目的：用以構造複雜的非線性分類器 Andrew NG的機器學習視頻有提供比較易懂的講解，上圖： 在構建高階特徵的時候，我們並不知道這些特徵是不是我們需要的。且高階特徵變量計算量巨大，因此構造新特徵 f 輔助計算。 這裏把高斯函數作爲相似度函數來替代高階特徵變量 當x靠近標記的時候，f1的值逼近1 當x遠離標記的時候，f1的值逼近0 所以這些

>>阅读原文<<