高斯核

作者: 术枚派 | 来源:发表于2021-07-16 11:07 被阅读0次

一、介绍

支持向量机(SVM)进行数据集的二分类,但是有些数据集是线性不可分的,所以需要使用核函数把数据集映射到高维空间,在高维空间中便可以进行分类。
比如下面的场景,是线性不可分的。



使用高斯核可以把数据映射到可分的空间上。


定义

高斯核函数(Gaussian kernel),也称径向基 (RBF) 函数。
k(x,x^{\prime})=e^{- \frac{\begin{Vmatrix} x-x^\prime \end{Vmatrix}^2 }{2 \sigma^2}}
上述公式涉及到两个向量的欧式距离(2范数)计算,而且,高斯核函数是两个向量欧式距离的单调函数。 σ 是带宽,控制径向作用范围,换句话说, σ 控制高斯核函数的局部作用范围。当 x 和x′ 的欧式距离处于某一个区间范围内的时候,假设固定 x′, k(x,x′) 随x的变化而变化的相当显著。 当距离大时,高斯核函数接近0,当距离接近0时,核函数接近1,变化区间是0和1。

一维

令x′=0,k(x,0) 随x的变化情况如下图所示:\sigma=1


\sigma=5

我们看到,随着x 与x′的距离的距离的增大,其高斯核函数值在单调递减。并且,σ越大,那么高斯核函数的局部影响范围就会越大。
二维

引用

高斯核函数

相关文章

  • 机器学习中的核函数

    核函数的定义 核函数包括线性核函数、多项式核函数、高斯核函数等,其中高斯核函数最常用,可以将数据映射到无穷维,也叫...

  • 高斯核

    一、介绍 支持向量机(SVM)进行数据集的二分类,但是有些数据集是线性不可分的,所以需要使用核函数把数据集映射到高...

  • 图像处理之双边滤波

    1、图像高斯模糊去噪 二维的高斯核函数表示如下(1):(式中Xc,Yc是中心元素的位置) 二维的高斯核也是可分离的...

  • 核函数--高斯核函数

    高斯核函数函数的泰勒(Taylor)展开式

  • Gaussian Kernel(RBF)

    高斯核函数:隐含无限维的转换+内积345

  • Matlab---自适应高斯核

    MCNN提出了适用于高密度人群的自适应高斯核: 笔者所理解的自适应高斯核函数: 转换为密度图: 与论文插图接近。

  • openCV图像高斯模糊

    说明 参考:官方文档 提供两种方式设置高斯滤波的程度: 设置高斯核的大小(Gaussian kernel size...

  • 卷积神经网(1)

    卷积核组 我们把这样 7 卷积核放在一起就是卷积核组,我们现在第一个卷积核看起,这个卷积核应该是高斯偏导核,用于检...

  • 机器学习技法第三章

    名词:impulse 脉冲polynomial 多项式kernel 核embeds 嵌入Gaussian 高斯的R...

  • 机器学习笔记 - 15. SVM实践(讲师:邹博)

    核函数 往往会选择高斯核函数 映射关系两个不同变量之间求点乘,将其定义为核函数 如果n=3,则此多项式核函数有9+...

网友评论

      本文标题:高斯核

      本文链接:https://www.haomeiwen.com/subject/csgvpltx.html