机器学习_SVM_核函数的选择

【1】SVM核函数的选择

1. 如果Feature的数量很大，跟样本数量差不多，这时候选用LR或者是Linear Kernel的SVM
2. 如果Feature的数量比较小，样本数量一般，不算大也不算小，选用SVM+Gaussian Kernel
3. 如果Feature的数量比较小，而样本数量很多，需要手工添加一些feature变成第一种情况。

以上三种情况的理解：

1.如果特征足够多，认为维度足够高，选择线性可分的分类器

2.如果样本足够多，不适合用高斯核，耗时。

3.所以特征少/样本少用高斯，特征多用线性，特征少样本多补充特征升维。