Pregunta:
Implementando el 'truco del kernel' para una máquina de vectores de soporte en R
Zach
2011-04-02 04:15:45 UTC
view on stackexchange narkive permalink

Escuché un poco sobre el 'truco del kernel' para máquinas de vectores de soporte, y me preguntaba:

  1. ¿Cómo identifica los problemas que podrían beneficiarse del truco del kernel?
  2. ¿Cómo implementarlo en R?

Gracias

Dos respuestas:
user88
2011-04-02 18:21:19 UTC
view on stackexchange narkive permalink

  1. Básicamente cualquier cosa que no se pueda separar con una línea (ok, hiperplano), por ejemplo, datos 2D como este:
    enter image description here
    truco del kernel proyectará de manera efectiva esta situación en un espacio (más oscuro) en el que es posible la separación lineal; vea esta película para el efecto de un kernel gaussiano en datos similares.

  2. Busque un argumento del kernel en su función svm ;-) Tenga en cuenta que usar un kernel generalmente introduce nuevos parámetros a la optimización externa.

¿Funcionaría también un kernel radial con este tipo de datos?
@Zach Creo que sí; también el polinomio uno debería estar bien
robin girard
2011-04-02 11:08:42 UTC
view on stackexchange narkive permalink

debería echar un vistazo al paquete kernlab R. Incluso tienen una viñeta muy bonita.



ⓘ
Esta pregunta y respuesta fue traducida automáticamente del idioma inglés.El contenido original está disponible en stackexchange, a quien agradecemos la licencia cc by-sa 2.0 bajo la que se distribuye.
Loading...