采用线性SVM对线性不可分的数据进行分类（含matlab实现）

消失的苦楝树Ranchlai

于 2013-09-02 11:03:08 发布

阅读量5.9k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习数学优化文章标签：线性不可分 matlab 线性SVM 特征提升

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/ranchlai/article/details/10899783

本文展示了如何通过映射数据到高维，使线性不可分的数据变得可分，然后利用线性SVM进行分类。通过Matlab代码演示了这一过程，最终实现无训练误差的分类，且结果达到100%的真正例率和真负例率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文介绍一种常用的分类器设计技巧[1]：将线性不可分的数据映射到高维后，使其变得线性可分，然后利用前面介绍的线性分类器进行无（训练）误差分类。

假设我们有如下图所示的训练数据，如何对其进行分类？　显然，此时的正负样本是不可分的，因为无法找到一个超平面(由于此处是二维数据，超平面退化成直线）将其分开。

在这里介绍一个有用的技术：将二维数据转化成五维数据，即

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。