为什么只有支持向量机中的超平面?

时间:2014-06-17 03:58:19

标签: data-mining svm unsupervised-learning

我最近才了解支持向量机。根据我的理解,超平面用于将数据(提升到更高维度)分成两个互斥的部分(分区)。我的问题是为什么它应该是超平面而不是具有曲率的表面?不能提供更适合的分离表面&#39 ;?

3 个答案:

答案 0 :(得分:2)

答案 1 :(得分:2)

存在一种叫做内核函数的东西:http://en.wikipedia.org/wiki/Kernel_trick

根据我记得的数据挖掘类,您可以将每个点的非线性转换为更高的维度。假设您的数据只是两个维度,并且不是线性可分的。如果您使用内核函数将每个(x, y)转换为(x, y, z)(如有必要,可能更多维度),那么您可以将数据与平面/超平面/更高维超平面分开,而不涉及曲率

作为内核函数的一个例子,将其应用于" generate"更高维度,数学类似于二项式扩展:f(x, y) == (x*x, y*y, 2xy)

答案 2 :(得分:1)

超平面不存在 。它不是计算。它也不是真正的超平面。

SVM决策基于与支持向量的相似性;其中隐含地定义了某些欧几里德空间中的超平面。使用内核函数时, not 需要是原始数据空间;如果你使用非线性核函数来计算你的相似性,它在原始数据空间中可能是非线性的。