为什么高斯核参数多

看到知乎上一个问题的回答下有『RBF核：主要用于线性不可分的情形。参数多，分类结果非常依赖于参数。』
请问参数多主要体现在哪里呢？公式里面不就一个sigma平方吗？

『RBF核：主要用于线性不可分的情形。参数多，分类结果非常依赖于参数。』这里的参数是模型的参数（系数）。

『请问参数多主要体现在哪里呢？公式里面不就一个sigma平方吗？』这里的参数是指模型的超参数。

我们调参的时候是调节的超参数。模型自己学习的是参数。

我们知道SVM的kernel function很多时候是用来升维的。

每个维度对应着一个参数（线性方程里每个变量前面的系数），升维之后，参数自然变多了。