这篇文章主要为大家展示了“SVM中核函数是什么”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“SVM中核函数是什么”这篇文章吧。
创新互联建站长期为数千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为麦盖提企业提供专业的成都做网站、成都网站建设，麦盖提网站改版等技术服务。拥有十多年丰富建站经验和众多成功案例,为您定制开发。
首先，我们在优化SVM的时候，使用到的是二次规划的对偶问题优化，我记得我第一次看的时候想了半天为什么要解对偶问题，后来也是请教了一位老师，他给我解释的。如果不引入对偶问题，我们后面如何用核函数！
那核函数究竟是什么呢？
如果有一个Input
)
我们说它有n个特征，这里我们这里管这n个叫做attribute,不叫做feature。但是我们并不想单单使用这些特征，我还想使用诸如)
这样的特征，那我们就还需要做特征的映射)
，这里的我们称之为feature，而之后我们在每一个需要是使用x的地方以)
来做替代，就使用了我们做映射之后的特征。
我们的公式中有使用点积的部分},x^{(j)}>,&space;x^{(i)},x^{(j)})
分别代表样本点中的第i个和第j个。如果我们做这个}&space;\rightarrow&space;\phi&space;(x^{(i)}))
这个映射，就实现了特征映射，即我们用}),\phi&space;(x^{(j)})>)
来替换},x^{(j)}>)
。但是这样做的效率不高，使用一个小的技巧，我们定义一个函数，&space;=&space;\phi&space;(x^{(i)})^{T}\cdot&space;\phi&space;(x^{(j)})&space;=&space;\phi&space;(x)^{T}\cdot&space;\phi&space;(z))
来表示我们的attributes做了特征映射之后的features做点积的结果。而如果我们找到一个这样的函数，那么我们就可以直接用attributes来计算我们mapping之后的结果，即我们就可以不用直接进行特征映射，而直接将attribute带入我们的函数就得到了映射之后的features做点积的结果。这样的计算量就小了很多，算法的复杂度也降低了许多。
有了上面的铺垫，我们就只需要找到这样的一个函数就可以了，我们称这样的函数为核函数。当我们找到了一个核函数之后，如果才能判定我们的核函数是正确的，是满足我们要求的就变成我们现在要解决的问题了。
这个时候，我们定义核矩阵K，}),\phi&space;(x^{(j)})>)
，我们的判定是通过这矩阵来判定的。通过点积的性质我们知道=，所以我们有
，所以我们的矩阵是对称矩阵，而我们有能证明这个矩阵是半正定的。所以我们要想判定一个函数是不是正确的核函数，只需要证明对应的核矩阵是半正定的即可！
以上是“SVM中核函数是什么”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
网页名称：SVM中核函数是什么
地址分享：
http://cdkjz.cn/article/gsscog.html
