Machine learning 如何选择正确的内核函数

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的内核，进行样本外验证，然后选择一个分类结果最好的。但除此之外，是否有尝试不同内核函数的指导方针

看看这里，找到答案

---

基本上，没有一条好的路径可供选择，除非您知道有关数据的一些重要信息，这些信息可能决定要使用的内核。但是，请按照上面的链接获取更具体的信息。

始终首先尝试线性内核，因为它速度更快，在许多情况下（特别是高维问题）都能产生很好的结果

---

如果线性核失败，通常最好的选择是RBF核。众所周知，它们在各种各样的问题上都表现得非常出色。

大多数时候，最好使用的内核是RBF内核。原因是大多数东西都服从高斯分布。“为什么”的答案与我所说的有关。你如何知道线性内核是否“失败”？是否线性核模型的性能比SVM以外的其他模型差？