支持向量机（SVM）3 —— 核函数

转自西瓜书《机器学习》 在前面的讨论中，我们假设训练样本是线性可分的，即存在一个划分超平面将训练样本正确分类。然而在现实生活中，原始样本空间内也许并不存在一个能正确划分两类样本的超平面。例如下图中的“异或”问题就不是线性可分的。 对这样的问题，可将样本从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分。例如在上图中，若将原始的二维空间映射到一个合适的三维空间，就能找到一个合适的

>>阅读原文<<