答案 0 :(得分：3)
你可以留意libsvm guide for beginners，在C.1部分，它会给你答案，并提供你所问的确切例子：
C.1实例数＆lt;＆lt;功能数量
中的许多微阵列数据生物信息学就属于这种类型。我们考虑来自白血病的数据 LIBSVM数据集（http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/ 数据集）。训练和测试集有38个和34个实例， 分别。功能的数量是7,129，远大于 实例数。我们合并了两个les并比较了十字架 使用RBF和线性内核的验证准确度：
带参数选择的RBF内核
$ cat leu leu.t＆gt; leu.combined
$ python grid.py leu.combined
...
8.0 3.0517578125e-05 97.2222
（Best C = 8.0，= 0：000030518，ve-fold交叉验证率= 97.2222％）
带参数选择的线性内核
$ python grid.py -log2c -1,2,1 -log2g 1,1,1 -t 0 leu.combined
...
0.5 2.0 98.6111
（最佳C = 0.5，ve折叠交叉验证率= 98.61111％）
虽然grid.py是为RBF内核设计的，但是 上面的方法使用线性内核检查各种C（-log2g 1,1,1 set 一个假人）。
使用线性内核的交叉验证准确性 与使用RBF内核相当。显然，当 功能数量非常大，可能不需要映射数据。
除了LIBSVM之外，下面提到的LIBLINEAR软件也是如此 在这种情况下对数据有效。
因此，您可以看到您可以将SVM与线性内核一起使用并获得良好的结果。