SVM模型（核函数）

1、非线性支持向量机
1）核函数的定义
通过一个非线性变换将输入空间X（欧式空间或离散集合）对应于一个特征空间H（希尔伯特空间）

核技巧：在学习与预测过程中只定义核函数K(x,z)，而不显式的定义映射函数φ。因为前者容易计算，而通过φ（x）和φ（z）计算K（x，z）不容易。特征空间和映射函数取法不唯一。

2）常用核函数
高斯核函数RBF: 其嵌入空间(embedding space)非常丰富,使得原空间的不同分布能够映射到不同的点.
核函数能将连续函数空间填满的kernel叫做general kernel.
多项式核函数:多项式函数不是general kernel. 因为更高阶的多项式不能由低阶多项式的线性组合构成
字符串核函数(string kernel function):核函数不仅定义在欧式空间,还定义在离散数据集合. 字符串核函数是定义在字符串集合上的核函数

3）非线性支持向量机学习算法

2、在如何高效的实现支持向量机学习成为一个重要问题，因为当训练样本过大时，许多优化算法往往变得非常低效。因此提出SMO算法（序列最小优化算法）。