首页 > 试题广场 >

下面哪些是基于核的机器学习算法?()

[不定项选择题]
下面哪些是基于核的机器学习算法?() 
  • Expectation Maximization
  • Radial Basis Function
  • Linear Discrimimate Analysis
  • Support Vector Machine
查看答案及解析
添加回答
ThomasCai头像 ThomasCai
所谓判别式模型，需要把正负样本区分开，那势必会遇到区分不开的情形，这时就要用到核函数了，那所以我认为判别式模型都要用核函数的。
发表于 2017-08-04 17:29:32 回复(6)
Yan消云散_头像 Yan消云散_
A、EM算法
B、径向基核函数
C、线性判别分析
D、支持向量机 
发表于 2016-04-12 15:11:06 回复(1)
薛定谔的熊头像 薛定谔的熊
我是这么理解的，核函数的本质其实就是一种将一个空间转化为另一个空间的变化，线性判别分析是把高维空间利用特征值和特征向量转化到一维空间，所以也算是一种核函数？
发表于 2016-09-06 19:21:42 回复(2)
创始元灵头像 创始元灵
核函数主要将m维高维空间的内积运算转化为n维低维输入空间的核函数计算，通常用来解决在高维特征空间中计算复杂的分类或回归的"维数灾难"等问题。
A、EM算法  聚类算法  
B、径向基核函数（高斯核）
C、线性判别分析（线性核）
D、支持向量机 （高斯核、线性核，多项式核）
发表于 2019-06-29 17:13:11 回复(0)
loapui_91头像 loapui_91
有个疑问。其实是不是在有出现向量内积的地方，都可以引入核函数？
发表于 2016-02-27 00:12:51 回复(5)
ddfly头像 ddfly

对于C选项：LDA其他变种，如果原始数据投影后，仍旧不能很好的分开，那么Kernel LDA是一个解决方法。

发表于 2017-07-10 10:05:44 回复(1)
Aaron_12头像 Aaron_12
B不是算法
发表于 2018-08-05 12:01:25 回复(0)
一匹努力的千里马头像 一匹努力的千里马
A、EM算法  聚类算法
B、径向基核函数
C、线性判别分析
核函数的本质其实就是一种将一个空间转化为另一个空间的变化，线性判别分析是把高维空间利用特征值和特征向量转化到一维空间。
D、支持向量机

发表于 2018-05-11 16:24:06 回复(0)
tobebrave123头像 tobebrave123
A 最大期望算法
发表于 2016-04-07 22:18:12 回复(1)
fyf头像 fyf
B.
径向基函数 C.线性判别分析 D.支持向量机
发表于 2016-02-26 21:17:30 回复(0)
Eden_Zhou头像 Eden_Zhou
径向基函数，线性判别分析，支持向量机需要核函数的，A为最大期望函数
发表于 2020-07-16 07:24:02 回复(0)
干豆豆浆头像 干豆豆浆
径向基函数，线性判别分析，支持向量机都是需要核函数的
编辑于 2019-08-04 01:20:22 回复(0)
门头沟吴彦祖头像 门头沟吴彦祖

核化的LDA模型是KFDA，此外还有核化的PCA叫KPCA，嗯，这两个居然也可以基于核。

发表于 2019-03-12 14:53:00 回复(0)
诙銫匦迹头像 诙銫匦迹
线性判别分析也是一种变换。
发表于 2018-11-20 12:57:18 回复(0)
MayaAyaya头像 MayaAyaya
核函数实质就是把x映射未phi(x)改变数据的方差均值等特性 EM不需要核函数 就是一个迭代目标函数
发表于 2018-09-17 15:48:53 回复(0)
一样的防头像 一样的防
LDA针对数据存在线性不可分的时候，提出了KLDA。
发表于 2018-04-25 21:37:49 回复(0)
编程的渣渣啊啊啊头像 编程的渣渣啊啊啊
LDA需要将样本投影到向量w上，所以存在向量点积，可以使用核函数
发表于 2018-03-14 15:24:39 回复(0)
lin2787头像 lin2787
  BCD,EM算法是聚类算法，只是用了求均值吧
发表于 2017-10-26 10:40:28 回复(0)
sonfon头像 sonfon
BCD
发表于 2017-08-29 11:14:38 回复(0)
Blizard223头像 Blizard223
对于C，估计是因为有KFD和KPCA吧，只能说KFD是FD的一个子类了
发表于 2016-09-21 15:57:37 回复(0)
提交观点

问题信息

机器学习
来自：百度2016研发工程师...
难度：
21条回答 18807浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号