機器學習基礎(二十九)—— 徑向基核函數(RBF)

儘管最佳核函數的選擇通常與問題自身有關,但對廣泛問題仍是有規律可循的,建議初學者在一般狀況下,優先考慮徑向基核函數(RBF): web K(x,y)=exp(−γ∥x−y∥2) 主要基於如下考慮:svg (1)做爲一種對應於非線性映射的核函數,RBF 可以處理非線性可分的問題函數 (2)線性核函數時 RBF 核函數的一種特例,即經過適當地選擇參數 (γ,C) ,RBF 核函數總能夠獲得與錯誤代價參
相關文章
相關標籤/搜索