多项式核函数:机器学习(尤其是支持向量机等核方法)中常用的一种核函数,用来度量两个输入向量的相似性,并隐式地把数据映射到更高维的特征空间,以便处理非线性关系。常见形式:
(K(x, y) = (\gamma , x^\top y + r)^d)(其中 (d) 为次数/阶数)。
/ˌpɒlɪˈnoʊmiəl ˈkɝːnəl/
A polynomial kernel can model curved decision boundaries.
多项式核可以建模弯曲的决策边界。
By tuning the degree of the polynomial kernel, the SVM can capture higher-order interactions between features, though too large a degree may increase overfitting.
通过调整多项式核的次数,SVM 可以捕捉特征之间的高阶交互,但次数过大可能会加剧过拟合。
polynomial 来自 *poly-*(“多”)+ 与 nomial(与“项/名称”相关的构词成分)组合,表示“由多项构成的”。kernel 原义是“种子/核心”,在数学与机器学习中引申为“核心函数/核”,指用来计算相似度并支撑某种方法的关键函数;“核方法”里它也指满足特定性质(如正定性)的相似度函数。