RBF核的多参数体现在哪?

  统计/机器学习    浏览次数:5057        分享
0

看到知乎上一个问题的回答下有『RBF核:主要用于线性不可分的情形。参数多,分类结果非常依赖于参数。』

请问参数多主要体现在哪里呢?公式里面不就一个sigma平方吗?

 

dzzxjl   2018-03-14 21:48



   2个回答 
2

不确定题主到底有没有理解。但anyway我可以给更详细的解释,对后来者有帮助也是极好的。

Kernel是用来升维的,其升维的原理在于用极少的计算量计算高维度feature vector的内积。也就是说Kernel一定表示的是feature vector的内积,那么现在的问题就在于Gaussian kernel到底表示了什么feature vector的内积?

请看下面的分解:


所以Gaussian kernel “隐性”(implicitly)地表示了两个无限维度feature的内积……之所以是“隐性”是因为我们单纯通过kernel无法知道feature的具体形式。但可以确定feature的维数。


SofaSofa数据科学社区DS面试题库 DS面经

CCBigman   2018-03-19 09:08

1

我试着回答一下我的理解。

『RBF核:主要用于线性不可分的情形。参数多,分类结果非常依赖于参数。』这里的参数是模型的参数(系数)

『请问参数多主要体现在哪里呢?公式里面不就一个sigma平方吗?』这里的参数是指模型的超参数

我们调参的时候是调节的超参数。模型自己学习的是参数。

我们知道SVM的kernel function很多时候是用来升维的。

每个维度对应着一个参数(线性方程里每个变量前面的系数),升维之后,参数自然变多了。


SofaSofa数据科学社区DS面试题库 DS面经

abuu   2018-03-15 23:50

大概理解了 谢谢 - dzzxjl   2018-03-16 19:30


  相关主题

线性基分类器的XGboost的原理是怎样的?   2回答

如何评价大数据的未来?   2回答

分类问题中用逻辑回归处理不同输入标签的问题   1回答

python能不能直接读取word文本,doc或者docx文件?   1回答

关于大规模稀疏矩阵的问题   2回答

有人关注机器学习在量化交易中的应用吗?   1回答

小白求教:一样的数据和差不多的代码,线性回归(LinearRegression)为甚麽自己的和书上的准确率差了挺多   1回答

提交结果没有反应,如何看结果的精度啊   1回答

生存分析中left censored, right censored有什么区别?   1回答

关于node.js的问题   1回答

因子分析的维度是怎么划分的呢   0回答

Anaconda安装wptools失败,提示找不到该包   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!