轉自http://blog.csdn.net/u013300875/article/details/44081067

很多機器學習分類算法，比如支持向量機（SVM），的介紹都說了假設數據要是線性可分。如果數據不是線性可分的，我們就必須要采用一些特殊的方法，比如SVM的核技巧把數據轉換到更高的維度上，在那個高維空間數據更可能是線性可分的（Cover定理）。

理論上一定能在更高的維度把數據線性可分。

何為線性可分和線性不可分

線性可分就是說可以用一個線性函數把兩類樣本分開，比如二維空間中的直線、三維空間中的平面以及高維空間中的線型函數。
所謂可分指可以沒有誤差地分開；線性不可分指有部分樣本用線性分類面劃分時會產生分類誤差的情況。
在這種情況下，SVM就通過一個非線性映射函數把樣本映射到一個線性可分高維空間，在此高維空間建立線性分類面，而此高維空間的現行分類面對應的就是輸入空間中的非線性分類面。

判斷是否線性可分

不同樣本集用凸包包起來，判斷不同凸包的邊是否有交叉。

總結

以上是生活随笔為你收集整理的线性可分 线性不可分的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。