46. 在許多情況下，數據點並不是線性可分的。在這種情況下， 支援向量機(Support Vector Machines，SVM)會使用核函數 (Kernel Function)的技術來將數據點投射到一個更高維度 的空間中，使其變得可分。下列何者「不」是常見的核函數？
(A) Sigmoid Kernel Function
(B) Radial Basis Kernel Function
(C) Polynomial Kernel Function
(D) Gamma Kernel Function

答案：登入後查看
統計： A(4), B(7), C(0), D(10), E(0) #3323476

詳解 (共 1 筆)

#6329852

支援向量機（SVM）與核函數（Kernel Function）

支援向量機（Support Vector Machine, SVM）是一種監督式學習的分類演算法，特別適用於線性不可分的數據。
當數據在低維度空間中不可分時，SVM 使用核函數（Kernel Function）將數據映射到更高維空間，使其變得可分。

 

正確答案：

✅ (D) Gamma Kernel Function
（因為 Gamma 是 RBF 核的一個參數，但它本身不是一種獨立的核函數。）

0
0