机器学习课件 4.2非线性支持向量机.pptxVIP

非线性支持向量机

基于Mercer核展开定理，通过用内积函数定义的非线性变换，将输入空间映射到高维特征空间（Hilbert空间），在这个高维空间中寻找输入变量和输出变量之间的关系。

非线性支持向量机

非线性支持向量机非线性超平面

核方法

核函数

已知映射函数，通过内积求得核函数K，不用构造映射函数能否直接判断一个给定的函数是否是核函数K？或者说K满足什么条件才是核函数？

核函数

正定核的充要条件：设是对称函数，则K（x,z）为正定核函数的充要条件是对任意对应的Gram矩阵

是半正定矩阵。

Mercer定理可以得到Mercer核，正定核比Mercer更具一般性

常用的核函数

（1）多项式形式的核函数

此时得到的支持向量机是一个d阶多项式分类器。

核函数

常用的核函数

（2）径向基函数形式的核函数

此时得到的支持向量机是一种径向基函数分类器。

它与传统径向基核函数（RBF）方法的基本区别：每一个核函数的中心对应于一个支持向量，它们以及输出权值是由算法自动确定。

核函数

常用的核函数

（3）Sigmoid函数形式的核函数

得到的支持向量机实现的两层的多层感知器神经网络

网络的权值、网络的隐层节点数目由算法自动确定。

核函数

常用的核函数

（