笔记-RBF函数

最新推荐文章于 2025-01-15 12:39:57 发布

原创

最新推荐文章于 2025-01-15 12:39:57 发布 · 3.6k 阅读

标签

#核函数 #RBF函数

收录于

RBF函数，全称径向基函数，是SVM中的核函数之一，特别是高斯核函数，其形式为exp(-||x-xc||^2 / (2*σ)^2)。RBF作为非线性映射，能将数据从低维空间映射到高维，以实现更好的分类。核函数的作用是进行非线性变换，使得在高维空间中数据更易分离。根据Mercer定理，半正定函数可作为核函数，且高斯核函数因其广泛应用和良好性能，常作为首选。其他常用核函数包括线性、多项式和sigmoid核函数，各自有不同的适用场景和特性。

参考：
SVM入门（七）为何需要核函数
 svm常用核函数
 机器学习—核函数

RBF函数

所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数。可记作 k(||x-x_c||)。
最常用的径向基函数是高斯核函数 ,形式为 k(||x-x_c||)=exp{- ||x-x_c||² / (2*σ)²) } 其中x_c为核函数中心,σ为函数的宽度参数 , 控制了函数的径向作用范围。由于这个函数类似于高斯分布，因此称为高斯核函数，也叫做径向基函数(Radial Basis Function 简称RBF)。它能够把原始特征映射到无穷维。