algorithm - 如何将支持向量机算法扩展到高维数据集？

Question

我正在尝试实现 SVM 算法，但我很难理解如何实际处理 d 维数据集。在我的特殊情况下，每个“点”都有近 400 个识别特征。

在二维空间中，它基本上试图在两组之间找到一条线，使两边任意点的边距最大化。我可以想象这样的“线”在 d 维空间中会是什么样子，但我完全不知道分类实际上是如何工作的。

这里有一个类似的问题，但我不明白。我有点明白在你拥有分类器后分离会如何发生，但我不知道如何实际获得分类器。

score 0 · Accepted Answer

如果你能想象二维情况的线如何成为更高维度的 d 维超平面，那么你就完成了。实际分类发生在您在超平面上测试一个点时，如果该点属于第 1 类，则会给您一个正数，如果它属于第 2 类，则会给您一个负数。

请注意，公式中对每个点的尺寸没有限制：

在此处输入图像描述

[图片由维基百科提供]

如果您对使用内核技巧时非线性情况会发生什么感到好奇，我想与您分享一个视频，该视频很好地说明了这个想法。

1 回答 1