机器学习-核函数基本概念.docVIP

机器学习-核函数基本概念 (1.7) 则有 (1.8) 即4维多项式空间上的向量内积可以转化为原始2维空间上的向量内积的平方。对于一般的从到阶有序多项式空间的映射（1.5）也有类似的结论。 定理1.1 考虑由式（1.5）定义的从到多项式空间的映射，则在空间上的内积可表为 (1.9) 其中 (1.10) 证明：直接计算可得 (1.11) 上述定理表明，我们并不需要在高维的多项式空间中直接做内积运算， 而利用式（1.10)给出的输入空间上的二元函数来计算高维多项式空间中的内积。 2. 有序多项式空间 在式（1.5）定义的映射中，多项式空间的分量由所有的阶有序单项式组成。如果把该多项式空间的分量扩充为所有不超过阶的有序单项式，便得到从到有序多项式空间的映射 (1.12) 对于这个映射，我们有如下的定理： 定理1.2 考虑有式（1.12）定义的从到多项式空间的映射，则空间上的内积可表为空间上的内积的函数，即若定义两个变量