低维数据映射到高维数据可分性理解实例

今天又看到了SVM，之前一直对SVM将低维数据映射到高维数据理解较为抽象，今天偶然想到一个理解实例，希望能够与刚接触机器学习的战友们分享。

事情是这样的，今晚吃晚饭时看到一小孩气球破了，地上落了一些碎片，有几种颜色，突然意识到对于这些碎片，这不就是高维映射到低维（三维球面映射到二维的地面上）的情形吗？

假如气球是红黑颜色各涂一半的，爆炸之后落在地上时各色碎片相互交错，基本没有一条二维曲线可以将其分开，但是在气球没有爆炸之前，是不是可以用一个平面将两种颜色的‘碎片’分开呢，是不是完全可分呢？

因此，低维数据若不可分，将其映射到高维空间，没准就准确、简单地分开了。

低维数据映射到高维数据可分性理解实例相关推荐

RBF网络——核心思想：把向量从低维m映射到高维P，低维线性不可分的情况到高维就线性可分了...
RBF网络能够逼近任意的非线性函数,可以处理系统内的难以解析的规律性,具有良好的泛化能力,并有很快的学习收敛速度,已成功应用于非线性函数逼近.时间序列分析.数据分类.模式识别.信息处理.图像处理.系统 ...
线性不可分到线性可分--低维空间映射到高维空间
二维平面上的点无法用一条直线分开,可以将其按照一定规则映射到三维空间中,用超平面将其分开
余弦相似度高维数据_海量高维数据与近似最近邻
在实际工程当中,我们常常会遇到海量的数据,那作为一个数据挖掘准从业人员,如何从海量的数据当中挖掘出他们数据之间的关系和规律就显得尤为重要了. 今天我要讲的时海量高维数据及其近似最近邻方案. K-近邻算 ...
Python数据可视化：高维数据图表可视化（基础篇—8）
目录 1.主成分分析法 2.t-SNE算法 3.分面图 4.矩阵散点图 5.热力图
高维数据映射为低维数据
从高维向低维映射,其中 k < n 恢复为原来的维度,k < n ,恢复后信息是有丢失的代码实现封装 PCA 类: import numpy as npclass PCA:def __ ...
tSNE—高维数据降维可视化（理论部分）
t-SNE是一种降维方法,PCA主成分分析.LDA等属于线性降维,t-SNE属于非线性降维,是一种流形学习方法(Manifold Learning). 如图所示的曲面上,两点之间的欧式距离为红色虚线所 ...
可视化高维数据：T-SNE
作者:知乎-Ganso 地址:https://zhuanlan.zhihu.com/p/99469215 Google Tech Talk June 24, 2013 (more info below ...
34-高维数据映射为低维数据
前言上一篇博客介绍了如何求解一个数据集相应的前 n n n 个主成分,但是在这里需要注意,虽然求出了这些主成分所代表的坐标轴的方向,但是我们的数据集本身依然是 n n n 维的,并没有进行降维, ...
Python入门——一维数据、二维数据、多维数据、高维数据
文章目录一. 一维数据 1. 一维数据的表示 2. 一维数据的存储 2.1 空格分隔 2.2 逗号分隔 2.3 其他方式 3. 一维数据的处理 3.1 一维数据的读入处理.split() 3.2 一 ...

低维数据映射到高维数据可分性理解实例

低维数据映射到高维数据可分性理解实例相关推荐

最新文章

热门文章