码迷,mamicode.com
首页 > 其他好文 > 详细

【模式识别】SVM核函数

时间:2016-01-31 21:18:13      阅读:581      评论:0      收藏:0      [点我收藏+]

标签:

下面是几种经常使用的核函数表示:

线性核(Linear Kernel)

技术分享

多项式核(Polynomial Kernel)

技术分享

径向基核函数(Radial Basis Function)

技术分享

也叫高斯核(Gaussian Kernel),由于能够看成例如以下核函数的领一个种形式:

技术分享
径向基函数是指取值只依赖于特定点距离的实值函数,也就是技术分享

随意一个满足技术分享特性的函数 Φ都叫做径向量函数,标准的一般使用欧氏距离,虽然其它距离函数也是能够的。所以另外两个比較经常使用的核函数。幂指数核,拉普拉斯核也属于径向基核函数。

此外不太经常使用的径向基核还有ANOVA核。二次有理核。多元二次核。逆多元二次核。
幂指数核(Exponential Kernel)

 技术分享
拉普拉斯核(Laplacian Kernel)
 技术分享
ANOVA核(ANOVA Kernel)
 技术分享
二次有理核(Rational Quadratic Kernel)
 技术分享
多元二次核(Multiquadric Kernel)
 技术分享
逆多元二次核(Inverse Multiquadric Kernel)
 技术分享
另外一个简单有用的是Sigmoid核(Sigmoid Kernel)
 技术分享
以上几种是比較经常使用的。大部分在SVM,SVM-light以及RankSVM中可用參数直接设置。还有其它一些不经常使用的,如小波核。贝叶斯核。能够须要通过代码自己指定。



(转载请注明作者和出处:http://blog.csdn.net/xiaowei_cqu 未经同意请勿用于商业用途)


【模式识别】SVM核函数

标签:

原文地址:http://www.cnblogs.com/lcchuguo/p/5173555.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!