SVM向量距离核:有效吗?有经验吗?

我正在考虑使用以下简单函数作为SVM的核函数。它基本上计算两个输入向量之间的距离(范数):

K(X1, X2) = || X1 – X2 ||,其中X1X2是N维向量。

我对这种核函数的文档不熟悉。

它有效吗?有人有使用这种核函数的经验吗?


回答:

我刚刚查到,核函数必须满足柯西-施瓦茨不等式:

|k(x1,x2)|^2 <= k(x1,x1) * k(x2,x2)

欧几里得距离不满足这个条件,所以我认为它不是SVM的有效核函数。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注