https://www.quora.com/What-is-RBF-kernel-in-SVM
Kernels in SVM classification: function that is responsible for defining the decision boundaries between the classes
-- classic linear kernel which assumes that the different classes are separated by a straight line
-- RBF (radial basis function) kernel is used when the boundaries are hypothesized to be curve-shaped
=> SVM classification에서 자주 사용됨
"SVM(서포트 벡터 머신) 모델"
에서도 커널을 사용하는데, 주로 rbf kernel을 사용한다.
(1) 데이터를 linear하게 분리
(2) 비선형의 경우 dimension을 늘려 linear로 분리
(1) linear classification(선형 분류): 데이터(서포트 벡터)로부터 여백(margin)이 최대인 선/면을 찾아 분류
*서포트 벡터: 선으로부터 가장 가까이 있는 데이터
*2차원에서는 선, 3차원에서는 면
(2) 비선형 분류
선형분류가 되지 않는 데이터라도, 상위 dimension으로 가면, 선형 분류 가능
-다항식 SVM (kernel='poly' 옵션)
-RBF SVM(kernel='rbf' 옵션)
*커널 함수 (매핑 함수)
: 새로운 특성 만들어 데이터를 상위 차원 공간으로 옮겨주는 함수
*커널 트릭: 실제로 특성을 추가하지 않고도 특성을 추가한 것과 같은 효과를 내는 방법
(2)-2 커널함수의 종류
1. SVC
http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html
2. RBF SVM
model = SVC() #model = SVC(kernel='rbf')
3. 선형 SVM
model = SVC(kernel='linear')
4. 다항식 SVM
model = SVC(kernel='poly')
(2)-3 중요 하이퍼파라미터