推 championship: Mercer's Theorem 確保kernel符合性質時，存在有對 03/31 13:47
→ championship: 應的映射函數，這件事情成立，但要從kernel反推回原 03/31 13:47
→ championship: 本的函數並不容易。 03/31 13:47
→ empireisme: 我理解反推不容易，那要將2d的Equation推到3d這件事有 03/31 13:51
→ empireisme: 標準做法嗎 03/31 13:51
推 championship: 或許有領域在研究設計映射函數，但就我自己學習的理 03/31 14:05
→ championship: 解，使用kernel trick的原因之一，正是設計適合的映 03/31 14:05
→ championship: 射函數很技巧性，因此，多數人選擇發展較多數學性質 03/31 14:05
→ championship: 支持的kernel。儘管用近年深度學習的發展走向，這項 03/31 14:05
→ championship: 觀點似乎沒什麼說服力。 03/31 14:05
→ championship: 很技巧性的意思，是指可能比較沒有好的方法來度量， 03/31 14:07
→ championship: 被人為設計出來的映射函數的好壞。 03/31 14:07
→ championship: 另外，SVM本質還是關注在點與點之間的相對關係，因 03/31 14:09
→ championship: 此，究竟用什麼函數?映射到什麼維度的空間?實際上並 03/31 14:09
→ championship: 不太在意 03/31 14:09
→ championship: 畢竟，雖然你現在想看看二維打到三維呈現的分布，但 03/31 14:14
→ championship: 更多的問題，是在討論高維度，這些就無法視覺呈現， 03/31 14:14
→ championship: 所以自然大家也不會再花心思找映射函數 03/31 14:14
→ empireisme: 好的，感恩，我後來有找到答案，但確實不太好轉，math 03/31 14:58
→ empireisme: 版有 03/31 14:58
→ sxy67230: 要逆向反轉函數除非你的函數夠簡單吧。夠簡單的話，很容 04/02 20:42
→ sxy67230: 易反轉換3d映射到2d，但是用機器學習的目的不就是在複 04/02 20:42
→ sxy67230: 雜函數難描繪嗎？ 04/02 20:42