雖然這篇kernel數學鄉民發文沒有被收入到精華區:在kernel數學這個話題中,我們另外找到其它相關的精選爆讚文章
在 kernel數學產品中有2篇Facebook貼文,粉絲數超過7萬的網紅iThome,也在其Facebook貼文中提到, 若分類的對象是線性可分,我們可以使用感知器,若想以感知器處理線性不可分問題,基本上,也可以模仿支持向量機,透過核方法(Kernel method)的方式來處理。 但是,感知器就像個神經元,不如將一堆感知器組合為神經網路,就可以進行深度學習,達成複雜的任務,只不過在原理上,認識龐雜的數學推導過程雖是...
kernel數學 在 iThome Facebook 的最佳解答
若分類的對象是線性可分,我們可以使用感知器,若想以感知器處理線性不可分問題,基本上,也可以模仿支持向量機,透過核方法(Kernel method)的方式來處理。
但是,感知器就像個神經元,不如將一堆感知器組合為神經網路,就可以進行深度學習,達成複雜的任務,只不過在原理上,認識龐雜的數學推導過程雖是必要,但是,也容易令人忽視個別運算間可組合的本質
#看更多 https://www.ithome.com.tw/voice/146527
kernel數學 在 iThome Facebook 的最讚貼文
核方法(Kernel method)是提升特徵維度,讓特徵能成為線性可分的技巧,在運作上,核函數的選擇是個挑戰,然而挑戰的出發點不是認識核函數的數學公式,而是在深入的分析、理解資料本身
#看更多 https://www.ithome.com.tw/voice/146206