您的位置: 首页 > 文章 > 机器学习(四)监督学习---非线性SVM 机器学习(四)监督学习---非线性SVM 分类: 文章 • 2023-04-07 23:51:57 前言: 在前面的笔记中,我们使用的训练样本是线性可分的,即存在一个线性最优 超平面能将训练样本正确分类。 若样本是非线性如何处理呢? 采用非线性映射!!!,虽然该样本在现在这个空间非线性可分,但在高维空间则不一定,那么将样本从原始空间映射到更高维的特征空间,使得样本在这个特征空间内线性可分即可。 Eg. 非线性映射 上图采用 x⇒x2x\Rightarrow x^{2}x⇒x2 映射发现变成最底下那张图的效果,此时可以用线性SVM来处理。 Eg. 特征空间映射 1. 回顾线性SVM 2. 核函数 3. 非线性SVM