機器學習--svm不同核函數介紹及選擇

首先介紹線性核函數的概念：就是沒有核函數，用θ0+θ1*X1+θ2*X2+...θn*Xn進行分類。 假設有數據有n個特徵，m條數據： 則當n很大，m很小的時候，用線性核函數。 n很小，m很大的時候，用高斯核函數。 選擇高斯核函數的時候需要調整參數δ，如果δ的平方很大，那麼你就有可能得到一個較大的誤差、較低方差的分類器。 但是如果σ 的平方很小，那麼你就會有較大的方差，較低誤差的分類器。   正常

>>阅读原文<<