SVM处理非线性问题

一、总结

一句话总结：

【利用核函数】：到更高维度去找可以分类的超平面（无限维度的平面中必然可分）。

【软间隔和正则化】：有限制地降低分类要求，允许一部分样本（不满足的样本要尽量少）不满足。

 

1、在现实任务中，原始样本空间也许并不存在一个能正确划分两类样本的超平面，那这个时候应该怎么办呢？

1、我们的想法是仍然去找平面，但我们去更高的纬度里去找平面。在低维空间里一些线性不可分的数据集，到高维空间里面将会以更大的概率被线性分开。

2、如果说你在无限的维度里面进行这个操作，那么这些点能被线性分开的概率为1。

 

 

二、SVM处理非线性问题

转自或参考：SVM处理非线性问题
https://blog.csdn.net/ffcyygd/article/details/104532946

SVM处理非线性问题理解

(1)利用核函数

 

 

(2)软间隔和正则化

 

 

总结

从以上来看，利用SVM处理非线性问题主要用到了两种方法：

1. 到更高维度去找可以分类的超平面。
2. 有限制地降低分类要求。

当然，这两种方法可以结合使用来达到更好的效果。