机器学习 核函数

提到SVM，就不可避免提到核函数。这篇博客中，介绍一下核函数的基本概念。
核函数实现算法非常简单



到这里，我们还需要回顾一下，前面的知识，还记得我们在前面optimal margin classier博客中，最终要优化的式子

这里面是不是就有xi,xj的内机啊，那我们核函数是干啥的呢？ 就是把这些内机式子 变成很函数，而函数的值代表的意义是高维数组之间的内积。

我们在这里讨论一下，干嘛要这么做的问题：

首先我们要了解，并不是所有的样本都可以线性划分，但是任何有限维，都存在一个对应的高维特诊空间可以 超平面划分。所以我们映射到超平面就是为了让其可分。

以上就是关于核函数概念的介绍，接下来我们看看具体的例子：
我们把核函数定义为：

由此我们看到如果我们显示地计算高维映射的话，时间复杂度比较高，但是用核函数我们会效率非常高。现在看一个例子：

以上是从时间复杂度上举了两个例子。

这部分内容在教材上讲的真的很直白了就原文贴上

以上就是关于kernel的定义 ，举例，充分必要条件的说明。都是概念上的东西，理解，记住就好