高斯核函数

线性支持向量机 (Linear-SVM) 被用于线性可分的数据集的二分类问题，当数据集不是线性可分的时候，需要利用到核函数将数据集映射到高维空间。这样数据在高维空间中就线性可分。

高斯核函数（Gaussian kernel），也称径向基 (RBF) 函数，是常用的一种核函数。它可以将有限维数据映射到高维空间，我们来看一下高斯核函数的定义： 

k(x,x′)=e−||x−x′||22σ2
k(x,x′)=e−||x−x′||22σ2

上述公式涉及到两个向量的欧式距离（2范数）计算，而且，高斯核函数是两个向量欧式距离的单调函数。σσ 是带宽，控制径向作用范围，换句话说，σσ 控制高斯核函数的局部作用范围。当xx 和x′x′ 的欧式距离处于某一个区间范围内的时候，假设固定x′x′，k(x,x′)k(x,x′) 随x的变化而变化的相当显著。