SVMサポートベクトルマシンは、一般的に2つの分類モデルのために、線形分離および非線形部門をサポートしています。リニアコア「リニア」で使用されるSVMのカーネル関数、多項式カーネル関数とRBF PKFガウシアンカーネル。
トレーニングデータは直接分離可能な実装、線形分離、一般線形カーネル関数である場合には、
トレーニングデータの共有が核技術を使用する必要がない場合、高次元空間では、データを線形分割することができるように、トレーニングデータは、他の高次元空間にマッピングされ、
それはサンプル場合、nおよびMは、より複雑で大きく、>> Mをn個の場合、前記線形カーネル関数を必要とし、より高い空間次元のガウシアンカーネルマッピングので、この場合を考えると、その、及び留意すべきですより良い線形コアを使用することを選択し、良いよりも害をガウスカーネル関数を使用して簡単に、この時間をオーバーフィット。
通常、mは線形高次元空間の元の訓練データを達成するだけでなく、この時点で小さな、ガウシアンカーネルのマッピングである試料サイズnは、再び分割され、多くの計算を消費していないであろう、上回る場合ガウスカーネルに適した欠点;
サンプルnが大きいが、より小さいフィーチャのM、等しく困難な計算の複雑さの問題を避けるために、したがってより線形カーネル考えた場合。