machine-learning - 如何选择正确的核函数

Question

我有一个非常普遍的问题：如何为 SVM 选择正确的核函数？我知道最终的答案是尝试所有内核，进行样本外验证，然后选择具有最佳分类结果的内核。但除此之外，是否有尝试不同内核功能的指导方针？

Answer 1

总是先尝试线性内核，因为它速度快得多，并且在许多情况下（特别是高维问题）可以产生很好的结果。

如果线性内核失败，通常最好的选择是 RBF 内核。众所周知，它们在各种问题上表现出色。

Answer 2

看这里找到答案。

https://stats.stackexchange.com/questions/18030/how-to-select-kernel-for-svm

基本上，没有一条好的路径可供选择，除非您知道有关您的数据的重要信息，这些信息可能会确定要使用的正确内核。但是，请按照上面的链接获取更多具体信息。