Hig*_*ler 5 machine-learning svm
我正在寻找支持向量机,我想知道决策边界和最佳超平面之间的区别是什么？它们似乎都被描述为用于分隔数据点的线.
ogr*_*sel 9
线性支持向量机的决策边界是(仿射)超平面.
对于非线性核支持向量机,支持向量机的决策边界不是原始特征空间中的超平面,而是非线性超曲面(维度表面n_features - 1),其形状取决于内核的类型.
n_features - 1
但是,内核函数可以解释为诱导从原始特征空间到某个内核空间的非线性映射.在内核空间中,SVM的决策功能是超平面.这是一个视频,它直观地描述了多项式内核的关系.
归档时间：
11 年，11 月 前
查看次数：
4543 次
最近记录：