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: 119
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。

Zealing   2018-06-03 20:52

多谢多谢 - CE_PAUL   2018-06-04 15:51


  相关主题

如何对大型线性回归进行并行计算?   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”   0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

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

非参模型是什么意思?有哪些模型算是非参的?   2回答

机器学习中的奥卡姆剃刀原理是什么意思   5回答

机器学习算法的鲁棒性是什么意思?   1回答

在线算法(online algorithm)是什么意思?   2回答

推荐开放数据库   5回答

建立一个预测模型的流程是什么   1回答

人类的第一个机器学习算法是什么?   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!