人工智能十大算法 感知器(perceptron)和支持向量機(jī)(svm)只能用于線(xiàn)性可分的樣本嗎?
感知器(perceptron)和支持向量機(jī)(svm)只能用于線(xiàn)性可分的樣本嗎?單層感知器只有線(xiàn)性表達(dá)能力,而多層感知器加上非線(xiàn)性激活函數(shù),具有非線(xiàn)性表達(dá)能力。支持向量機(jī)的線(xiàn)性核只能用于線(xiàn)性可分樣本,而
感知器(perceptron)和支持向量機(jī)(svm)只能用于線(xiàn)性可分的樣本嗎?
單層感知器只有線(xiàn)性表達(dá)能力,而多層感知器加上非線(xiàn)性激活函數(shù),具有非線(xiàn)性表達(dá)能力。
支持向量機(jī)的線(xiàn)性核只能用于線(xiàn)性可分樣本,而非線(xiàn)性核具有非線(xiàn)性擬合能力。
事實(shí)上,感知器和支持向量機(jī)本質(zhì)上只能對(duì)線(xiàn)性可分?jǐn)?shù)據(jù)進(jìn)行分類(lèi)。
多層感知器前面的L-1層可視為“特征提取”過(guò)程。將線(xiàn)性不可分原始數(shù)據(jù)映射到線(xiàn)性可分特征空間。
支持向量機(jī)的非線(xiàn)性核是相同的,相當(dāng)于將原始數(shù)據(jù)映射到希爾伯特空間。
特征提取的非線(xiàn)性擬合過(guò)程可以通過(guò)其他方式進(jìn)行(如深度神經(jīng)網(wǎng)絡(luò))。