机器学习--svm不同核函数介绍及选择

首先介绍线性核函数的概念：就是没有核函数，用θ0+θ1*X1+θ2*X2+...θn*Xn进行分类。 假设有数据有n个特征，m条数据： 则当n很大，m很小的时候，用线性核函数。 n很小，m很大的时候，用高斯核函数。 选择高斯核函数的时候需要调整参数δ，如果δ的平方很大，那么你就有可能得到一个较大的误差、较低方差的分类器。 但是如果σ 的平方很小，那么你就会有较大的方差，较低误差的分类器。   正常

>>阅读原文<<