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

>>阅读原文<<