1回答

liuyubobobo

2019-10-12

已采纳

我听了一遍课程内容，确实有歧义。我简单澄清一下：

1）课程中介绍的 landmark 的方式，是帮助同学们理解，高斯核函数为什么能够做到非线性分类的。因为高斯核函数的本质是把低维数据映射成高维数据。

2）使用 landmrk 的方式，我们可以直观地看到这个映射结果。课程中以两个landmark，将一维数据映射成二维数据距离。

通常，如果使用手动方式，真的将数据升为高维，来模拟高斯核函数到底在如何改变数据，我们会选择使用样本数那么多的地标。在每个样本点上，都有一个地标。注意，这是我们人为选择的结果，而不是数学结论。

3）但实际上，高斯核函数到底把数据变成了什么样，是描述不清楚的。就是因为，高斯核函数的本质，是把数据映射到了无穷维。这一点，课程中也介绍了。但是，虽然我们把数据映射到了无穷维， 但是这样的两个无穷维的数据点乘的结果，却可以非常简单的用高斯核函数表达出来。这就是核函数的威力：我们不用管数据变成什么样，只需要知道他们点乘的方式，就能求解 SVM 了。

所以，选取 m 个landmark 的方式，是对 RBF Kernel SVM 的一个模拟，来帮助同学们理解，RBF Kernel 到底对原始数据做了什么。实际上，你是对的，RBK Kernel 将数据映射成为了无穷维。

继续加油！：）

3

3

慕仙9024469

回复

liuyubobobo

非常感谢老师耐心解答！我在这里绕了好久，上面的说法是我的理解不是老师说的，我又回头看了老师的回复和课程，大概理解了，最后关于自然语言那块稍微有点不太明白，等学那块知识的时候再回头理解下。谢谢老师！

2019-10-15

共3条回复