|
|
|
@ -559,4 +559,31 @@ where ![1604582794426](assets/1604582794426.png)
|
|
|
|
|
|
|
|
|
|
![1604584439405](assets/1604584439405.png)
|
|
|
|
|
|
|
|
|
|
根据公式 α / (α+β) = (82+100) / (82+100+219+200) = 0.303,命中率提升了,蓝色曲线右移。
|
|
|
|
|
根据公式 α / (α+β) = (82+100) / (82+100+219+200) = 0.303,命中率提升了,蓝色曲线右移。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 核函数
|
|
|
|
|
|
|
|
|
|
#### 核函数的目的
|
|
|
|
|
|
|
|
|
|
核函数是SVM支持向量机当中最重要的函数
|
|
|
|
|
|
|
|
|
|
出发点
|
|
|
|
|
|
|
|
|
|
- 如果数据有足够多的可利用的信息,那么可以直接做想要的事情。但是现在没有那么多的信息,我们可不可以在数学上进行一些投机呢?
|
|
|
|
|
|
|
|
|
|
- 低维(比如我只知道一个人的年龄,性别,那我们能对他有更多了解吗)
|
|
|
|
|
|
|
|
|
|
高维(比如我知道从他出生开始,做过哪些事,赚过哪些钱等)
|
|
|
|
|
|
|
|
|
|
- 如果我们对数据更好的了解,得到的结果也会更好(机器也是一样)
|
|
|
|
|
|
|
|
|
|
![1604585252689](assets/1604585252689.png)
|
|
|
|
|
|
|
|
|
|
> 上图中,我们很难说画一个圈来区分红点和绿点,一般画直线或者曲线,如果我们把二维转换成三维,我们只需要一个面就可以切分开了,低维很难解决的问题,高维能很容易解决。核函数就是解决这么一个问题
|
|
|
|
|
|
|
|
|
|
低维的数据变成高维后,数据量和计算量也会有所增加,引出下面的解决方法。
|
|
|
|
|
|
|
|
|
|
#### 线性核函数
|
|
|
|
|
|
|
|
|
|