SVM模型应该选择线性核还是高阶RBF核

SVM中常用核函数一般是线性核函数和高斯核函数。以sklearn中的SVC，提供的’linear’和’rbf’做说明。面向[n,m]原始数据集，一般的选取准则：

相对于n，m很大。比如m≥n, m=10000, n=10~1000,即(m/n)>10。考虑’linear’
m很小，n一般大小。比如m=1-1000, n=10~10000,即(m/n)在[0.0001,100]。考虑’rbf’
m很小，n很大。比如n=1-1000，m=50000+，即(m/n)在[~,0.02]。考虑’linear’

SVM支持向量机，一般用于二分类模型，支持线性可分和非线性划分。SVM中用到的核函数有线性核'linear'、多项式核函数pkf以及高斯核函数rbf。当训练数据线性可分时，一般用线性核函数，直接实现可分；当训练数据不可分时，需要使用核技巧，将训练数据映射到另一个高维空间，使再高维空间中，数据可线性划分，但需要注意的是，若样本n和特征m很大时，且特征m>>n时，需要用线性核函数，因为此时考虑高斯核函数的映射后空间维数更高，更复杂，也容易过拟合，此时使用高斯核函数的弊大于利，选择使用线性核会更好；若样本n一般大小，特征m较小，此时进行高斯核函数映射后，不仅能够实现将原训练数据再高维空间中实现线性划分，而且计算方面不会有很大的消耗，因此利大于弊，适合用高斯核函数；若样本n很大，但特征m较小，同样难以避免计算复杂的问题，因此会更多考虑线性核。

链接：SVM中什么时候用线性核什么时候用高斯核?__牛客网