核函数

对于非线性特征集的分类过程可拆解为两步：

第一步：利用非线性映射，将数据从输入空间映射到特征空间中
第二步：使用线性学习器对特征空间的数据进行分类

将以上两个步骤融合在一起，隐式完成输入空间数据集到特征空间数据集的映射，建立非线性学习器的方法，称为核函数方法。

核是利用测试点和训练点的內积表示的决策规则。
几种常用核： 线性核、多项式核、高斯核、sigmoid核函数、混合核函数（前面几种结合起来运用的方法），设计一个核函数是很困难的，没有必要轻易尝试。

 

核函数的使用方法：

在碰到非线性可分数据的时候，直接调用上面列举的几个核函数，代入到支持向量机中，查看分类效果，如果效果不好再继续调用其他的核函数进行进一步调试
这样就不需要考虑输入空间到特征空间如何映射的问题，而只需要考虑的是核函数的适用条件以及分类效果。