SVM多核學習方法簡介

作者：Walker SVM是機器學習有監督學習的一種方法，常用於解決分類問題，其基本原理是：在特徵空間裏尋找一個超平面，以最小的錯分率把正負樣本分開。因爲SVM既能達到工業界的要求，機器學習研究者又能知道其背後的原理，所以SVM有着舉足輕重的地位。 但是我們之前接觸過的SVM都是單核的，即它是基於單個特徵空間的。在實際應用中往往需要根據我們的經驗來選擇不同的核函數（如：高斯核函數、多項式核函數等）

>>阅读原文<<