Linearly Non-Separable Binary Classification Problem
首先，该程序无法针对RBF(gaussianKernel())正常运行，我想对其进行修复。
这是一个非线性SVM演示，用于说明使用硬边距应用程序对2类进行分类。
对于RBF，我在下图中实现了该功能:
使用Tylor系列扩展，将产生:
而且，我像这样将高斯内核分开:
这个思想的实现是:
***我认为我的RBF实现是错误的，但是我不知道如何解决。请在这里帮助我。
这是我得到的输出:
在哪里，
另外，我实现了同质多项式内核“K(x，x')=()^ 2”，代码为:
而且我得到了令人惊讶的好输出:
综上所述，该程序可以使用同质多项式内核正常运行，但是当我使用RBF时，它无法正常运行，RBF的实现存在问题。
如果您了解RBF(高斯内核)，请告诉我如何正确设置。
编辑:如果您有同样的问题，请直接使用上面定义的RBF，不要用phi分隔它。
最佳答案
为什么要为高斯核计算phi？ Phi将是无穷维向量，当我们甚至不知道10是否足以近似内核值时，您会将taylor系列中的项限制为10!通常，直接计算内核而不是获取phi(和计算k)。例如[1]。
这是否意味着我们永远不应该为高斯计算phi？并非如此，不是，但是我们必须对此稍加精明。最近的工作[2,3]显示了如何为高斯计算phi，以便您可以在仅具有有限维phi的情况下计算近似内核矩阵。这里[4]我给出了非常简单的代码，使用本文中的技巧来生成近似内核。但是，在我的实验中，我需要生成100至10000维的phi，以便能够很好地近似内核(取决于原始输入具有的特征数量以及特征值的速率)。原始矩阵逐渐缩小)。
目前，仅使用类似于[1]的代码来生成高斯内核，然后观察SVM的结果。同样，使用gamma参数，错误的gamma参数可能会导致非常糟糕的分类。
[1] https://github.com/ssamot/causality/blob/master/matlab-code/Code/mfunc/indep/HSIC/rbf_dot.m
[2] http://www.eecs.berkeley.edu/~brecht/papers/07.rah.rec.nips.pdf
[3] http://www.eecs.berkeley.edu/~brecht/papers/08.rah.rec.nips.pdf
[4] https://github.com/aruniyer/misc/blob/master/rks.m
关于matlab - 在MATLAB中实现的基本SVM，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/26870928/