支持向量机中高斯核函数的直观理解

这一文章主要讲述高斯核函数的直观理解，并不会涉及支持向量机代价函数及最优化的问题。
什么是高斯核函数？
在支持向量机中它是一个用来构造非线性边界的核函数。
高斯核函数的定义：

这个函数说白了，就是点X与空间中一点L（1）的相似度，其中sigma（σ）影响相似度的大小。
直观的来看其在二维中的表示，如假设A为点L的话，它会是这样的：

构造高斯核函数（这里的σ为2）：

会发现距离A点越近相似度越接近于1，距离越远相似度越接近于0.
那么在三维中，是这样的:

当我们改变其σ=0.1：

所以当σ降