首页
机器学习中，为什么说通过增加特征的高次项，可以将原本线性不可分的数据在新的高维空间中变得更加线性可分？
2023-05-06 阅读 35
这是因为增加特征的高次项会将数据映射到更高维的空间中，从而使原本在低维空间中线性不可分的数据在新的高维空间中变得更加线性可分。在高维空间中，我们可以使用更复杂的超平面来分离数据，这样就可以更好地拟合数据，提高模型的准确率。但是，增加特征的高次项也会增加模型的复杂度，可能会导致过拟合的问题，因此需要在特征工程中谨慎选择特征。
更新于 2023年05月07日
