简介
PCA从高维空间向低维空间的映射是线性的。
有些问题需要非线性映射才能找到合适的低维空间来降维。
KernelPCA是PCA的推广，用到了Kernel 技巧。
参数
Kernel
- ‘linear’: $K(\vec x,\vec z)=\vec x \vec z$
- ‘poly’: $K(\vec x,\vec z)=(\gamma(\vec x \vec z+1)+r)^p$
$\gamma$由gamma参数确定，p由degree参数确定，r由coef0参数确定 - ‘rbf’: $K(\vec x,\vec z)=\exp (-\gamma \mid\mid\vec x - \vec z\mid\mid^2)$
$\gamma$由gamma参数确定 - ‘sigmoid’: $K(\vec x,\vec z)=\tanh (\vec x \vec z)$
$\gamma$由gamma参数确定，r由coef0参数确定 - ‘precomputed’
