源代码在复杂数据上应用kernel核函数实现分类预测-peaker.pdfVIP

#源代码#在复杂数据上应用kernel核函数实现分类预测

Peaker

在每一类数据中通常都存在着谋者可以识别的模式，如论是线

性可分或非线性可分数据。其中一个问题就是我们能否像线性情况一

样，利用强大的工具来捕捉数据中的这种模式？显然，答案说肯定的。

接下来我们就介绍一种称为“核函数”的工具将数据转换成便于分类器

理解的形式。首先我们解释核函数的概念，并介绍他们在

svm

支持向量机中的使用方法。

这个数据在二维平面中很难用一条直线分割，不过很明显，这

里存在分割方形和圆形两个数据点的模式。

径向基核函数

径向基和函数是svm中常用的一个核函数，径向基核函数说一

个采用向量作为自变量的能够给予向量距离运算输出一个标量。这个

距离可以是从0,0向量其他向量开始计算的距离。会使

用径向基函数的版本，具体是

其中用户定义用于确定到达率reach函数值跌落到0的速度

参数。

上述核函数将数据从特征空间映射到更的空间，具体

来说这里说映射到一个无穷维的空间。在该数据集傻姑娘，使用

核函数可以得到更好的结果，当然该函数也可以用于许多其他的数据

集，并且也能得到低错误率的结果。

如果在svmmlia.py程序年添加一个函数并稍作修改，那么

我们能够在已有代码中使用该核函数，转换核函数的代码如下

这里建议读者可以好好看下optstruct类的新版本，除了引进一

个新变量ktup以外，该版本和原来的optstruct一样。ktup说一个包含

核函数信息的元组，待会我们就能看到他的作用了。

最后，如果遇到一个无法识别的元组，程序会抛出异常，因为

这种情况i下不希望程序在继续运行，这一点相当重要。为了使用核

函数，我们之前的两个函数

innerl()和alcek()代码需要做些修改，修改的结果如下所示。

本文吗？欢迎加入云生信跟大家一起进步~