这是X
是训练矩阵,test_feature
是一个测试数组。在
squared_euclidian = np.sum(np.square(X - test_feature), axis=1)
squared_euclidian
是Squared Euclidian distance
具有完备numpy矩阵的输入数组的欧几里得距离
^{pr2}$对于RBF(高斯)核,如幻灯片5所示
test_sigma = np.square(np.std(test_feature))
dist = np.exp(-1 * (squared_euclidian / test_sigma))
我在一个包含2000个实例的数据集上测试了这些函数,其中欧几里得的准确率为91%,而另一个为54%。在
RBF核函数的计算公式是错的吗?在
这不是我在幻灯片5中看到的正确公式吗?在
看一下关于
np.std(ddof=...)
的估计量的偏差的注释here相关问题 更多 >
编程相关推荐