Support Vector Machine

Linear SVM

Kernel SVM

通过映射函数 $\phi()$，将低维的特征向量 feature vector $x$ 映射到高维空间中 $v_x$，以期望在低维空间不可线性分割的 feature vector 在高维空间可以被线性分割。

但是当映射到高维空间之后，高维向量之间的点乘运算比较耗时，因此利用核函数 Kernel Function $\mathcal{K}(v_1,v_2)$ 替换点乘运算。例如常见的做法是

当 $\gamma=\frac{1}{2\sigma^2}$ 时，就是高斯核函数。