linear核：主要用於線性可分的情形。引數少，速度快，對於一般資料，分類效果已經很理想了。
rbf核：主要用於線性不可分的情形。引數多，分類結果非常依賴於引數。有很多人是通過訓練資料的交叉驗證來尋找合適的引數，不過這個過程比較耗時。我個人的體會是：使用libsvm，預設引數，rbf核比linear核效果稍差。通過進行大量引數的嘗試，一般能找到比linear核更好的效果。
3至於到底該採用哪種核，要根據具體問題，有的資料是線性可分的，有的不可分，需要多嘗試不同核不同引數。如果特徵的提取的好，包含的資訊量足夠大，很多問題都是線性可分的。當然，如果有足夠的時間去尋找rbf核引數，應該能達到更好的效果。
python高斯核函式運用 高斯核函式
在計算機視覺中，有時也簡稱為高斯函式。高斯函式具有五個重要的性質，這些性質使得它在早期影象處理中特別有用.這些性質表明，高斯平滑濾波器無論在空間域還是在頻率域都是十分有效的低通濾波器，且在實際影象處理中得到了工程人員的有效使用.高斯函式具有五個十分重要的性質，它們是 1 二維高斯函式具有旋轉對稱性，...
核函式選取
支援向量機是建立在統計學習理論基礎之上的新一代機器學習演算法，支援向量機的優勢主要體現在解決線性不可分問題，它通過引入核函式，巧妙地解決了在高維空間中的內積運算，從而很好地解決了非線性分類問題。構造出乙個具有良好效能的svm，核函式的選擇是關鍵 核函式的選擇包括兩部分工作 一是核函式型別的選擇，二是...
核函式運用
詳細的公式什麼的，網路上搜尋kernel function,kernel methods 有很多，我就不仔細說了，簡單地說說背後的intuition。intuition也很簡單，比如我們有乙個一維的資料分布是如下圖的樣子，你想把它用乙個直線來分開，你發現是不可能的，因為他們是間隔的。所以不論你畫在哪...