Sigmoid核函数是不是对新输入的需要预测的点的测量误差不敏感?

  统计/机器学习 回归分析 开放问题    浏览次数: 436
0

在SVM中,Sigmoid核函数的表达式为:

K(X_1,X_2)=tanh[a(X_1•X_2)+b]

由这个函数的特点可以发现,当b取一个较小值(比如-3),a取一个接近于0的值(比如0.1),那么需要X_1,X_2的乘积比较大才会有变化,如果把X_1作为训练点,而X_2作为需要预测的点,这是不是意味着,预测结果对X_2上微小的波动(误差引起)将不敏感,因此Sigmoid核函数具有良好的抗待预测点误差的能力?

 

CE_PAUL   2018-06-01 23:02



   1个回答 
1

应该说是因为参数a,b的设置让输出对输入的变化不敏感,并不是Sigmoid本身。b控制x_1*x_2在中间或外面,中间更敏感。a在整体上控制输出是否对输入敏感。比如a很小就让所有输出变化很小。

你可以把x_1*x_2的直方图,通过tanh函数转换,得到输出的直方图,就知道输出是否对输入敏感。

SofaSofa数据科学社区 DS面经 问答 实战

Zealing   2018-06-03 20:52

多谢多谢 - CE_PAUL   2018-06-04 15:51


  相关主题

为什么岭回归和最小二乘支持向量回归有一样二次规划形式却有不同解   2回答

什么是“维数灾难”,为什么说引入核函数就避免“维数灾难”   1回答

线性回归是机器学习算法吗?   3回答

LS-SVM的核函数选取问题   1回答

如何对大型线性回归进行并行计算?   4回答

有序的分类变量的预测是回归问题还是多分类问题?   3回答

泊松回归有哪些应用场景?   2回答

最小二乘线性回归的推导   2回答

线性回归需要满足哪些基本前提假设   1回答

如果迫使一个线性回归模型的截距为0,会有什么坏处吗?   2回答

怎么理解分位数回归quantile regression的目标函数?   1回答

泊松回归的公式是什么?   1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!