如何在MATLAB中定制SVM非线性描述boudary？

我想训练一个具有非线性边界的支持向量机。边界已知，用公式表示 y=sgn（（w11*x1+w12*x2+w13*x3）*（w21*x4+w22*x5+w23*x6）），其中[x1 x2…x6]为1位输入，[w11 w12 w13 w21 w22 w23]为未知参数

---

如何使用列车数据学习[w11 w12 w13 w21 w22 w23]。

SVM不是此类任务的算法。SVM有自己的最大化准则，这与决策边界形状无关（好吧，不是什么都没有，但很难将两者转换为另一种）。显然，我们可以尝试预定义自定义核函数来实现这一点，但这项任务似乎是一个几乎无法解决的问题（我想不出有这样的决策边界的任何再生希尔伯特空间）

---

简言之：你的问题有点像“如何让西瓜去掉墙上的钉子？”。显然，你可以做一些很难做到的“魔术”，但这不是西瓜的用途。

谢谢，我也意识到这并不太相关。我的问题更像是参数估计。对于支持向量机，边界是基于核函数生成的吗？这是自动的，所以我只能自定义核函数，而不能自定义边界。决策边界是基于核空间的超平面到输入空间的投影。SVM并不是将“分离曲线”拟合到数据中，而您似乎在寻找这些数据。虽然您的模型非常简单，但通过基于等效误差函数ja执行简单的基于梯度的优化，您应该很好，您是对的。我正在尝试基于几个线性预测器与lr相乘的模型来近似参数。这更合理。