吳恩達機器學習SVM

核函數   爲了獲得上圖所示的判定邊界，我們的模型可能是  我們可以用一系列的新的特徵 f 來替換模型中的每一項。例如令 得到 hθ(x)=f1+f2+...+fn。然而，除了對原有的特徵進行組合以外，有沒有更好的方法來 構造 f1,f2,f3？我們可以利用核函數來計算出新的特徵。  高斯核函數 爲實例 x 中所有特徵與地標 l(1)之間的距離的和。 我們通常是根據訓練集的數量選擇地標的數量，即如

>>阅读原文<<