人工智能十大算法 感知器（perceptron）和支持向量機（svm）只能用于線性可分的樣本嗎？
感知器（perceptron）和支持向量機（svm）只能用于線性可分的樣本嗎？單層感知器只有線性表達能力，而多層感知器加上非線性激活函數(shù)，具有非線性表達能力。支持向量機的線性核只能用于線性可分樣本，而
感知器（perceptron）和支持向量機（svm）只能用于線性可分的樣本嗎？
單層感知器只有線性表達能力，而多層感知器加上非線性激活函數(shù)，具有非線性表達能力。
支持向量機的線性核只能用于線性可分樣本，而非線性核具有非線性擬合能力。
事實上，感知器和支持向量機本質上只能對線性可分數(shù)據(jù)進行分類。
多層感知器前面的L-1層可視為“特征提取”過程。將線性不可分原始數(shù)據(jù)映射到線性可分特征空間。
支持向量機的非線性核是相同的，相當于將原始數(shù)據(jù)映射到希爾伯特空間。
特征提取的非線性擬合過程可以通過其他方式進行（如深度神經網絡）。