1、优点:高斯核函数具有较强的非线性拟合能力,可以处理复杂的数据分布。2、缺点:计算复杂度较高,需要对每对样本进行相似度计算。
通常只用在已经大概知道一个比较小的幂数的情况 3、高斯核 优点: 可以映射到无限维 决策边界更为多样 只有一个参数,相比多项式核容易选择 缺点: 可解释性差(无限多维的转换,无法算w) 计算速度比较慢(解一个对偶问题) 容易过拟合(参数选不好时容易overfitting) 4、Sigmoid核 采用Sigmoid函数作为核函数时,支持向量...
由于这个函数类似于高斯分布,因此称为高斯核函数,也叫做径向基函数(Radial Basis Function 简称RBF)。它能够把原始特征映射到无穷维。 既然高斯核函数能够比较x和z的相似度,并映射到0到1,回想logistic回归,sigmoid函数可以,因此还有sigmoid核函数等等。 下面有张图说明在低维线性不可分时,映射到高维后就可分了,使用...