我们应该如何加椭圆，把本来线性不可分的悬链样本变为线性可分呢
支持向量机（低维到高维的映射）
支持向量机在扩大可选函数范围方面——人工神经网络、决策树……
image.png
支持向量机并不是直接产生这样的函数，而是将特征空间从低维映射到高维，用线性超平面对数据进行分类，比如下面的例子就是在低维平面中不可分，而在高维平面中可分的例子：
image.png
这个例子是线性不可分的，我们需要构造一个二维到五维的映射中，
image.png
那么根据这个映射可以算出对应的五维的x1、x2、x3、x4
image.png
当映射为五维的情况下，他们线性可分了，
image.png
image.png
由于下x1和x2属于一类，（都大于0）
image.png
image.png
image.png
image.png
image.png
就更有可能分开低维时候无法分开的数据集，这个定理告诉我们
image.png
因此我们如何构造
image.png
image.png
回顾
image.png
把x映射为fai x时候只需要改变下面一点点即可，
image.png
image.png
image.png
image.png
image.png
这个问题下一讲回答
网友评论