Machine Learning第七講[支持向量機] --（二）核函數

內容來自Andrew老師課程Machine Learning的第七章內容的Kernels部分。 一、Kernels I（核函數I） 在非線性函數中，假設函數爲： 現在我們將表達式改變一下，將其寫爲： 聯想到上次講到的計算機視覺的例子，因爲需要很多像素點，因此若f用這些高階函數表示，則計算量將會很大，那麼對於我們有沒有更好的選擇呢? 由此引入核函數的概念。 對於給定的x， 其中，similarity

>>阅读原文<<