我想知道我们如何知道将数据转换成什么空间？使用什么方法找到合适的映射函数？
假设我们在二维空间中有10个训练案例，这些案例不是线性可分的，但如果我们从F（X，Y）转换它们：（x，y） - > （x，y ^ 2）或G：（X，Y） - > （x，e ^ y）它们是线性可分的。
我们如何确定F和G功能首先起作用？通过观察？然后我们如何决定使用哪个函数？
答案 0 :(得分：1)
SVM通过内核函数映射到不同的空间。因此，为了训练SVM，您不需要将数据映射到线性可分离的位置，只需使用适当的（非线性）内核训练SVM。在给定正确的内核的情况下，它可以学习线性不可分离的函数。尝试rbf，以及多项式内核。同时使用C超参数。
这可能不是您正在寻找的答案，但很多机器学习都是尝试并看到。在这种情况下，多项式内核似乎适合您的状态，但rbf往往效果很好。
答案 1 :(得分：1)
“我们如何确定F和G的功能首先起作用？通过观察？”
差不多......就我所知，目前还没有已知条件可以保证映射后的线性可分性。
“然后我们如何决定使用哪个功能？”
某些功能比其他功能更容易调整。例如，RBF非常适合并且已知适合大多数数据。但是一切都有捕获因此，如果您的数据无限制，您将失去一般性。所以这是一个权衡问题