高斯核函数为什么是把原始空间映射到无穷维空间 首先要清楚，SVM中，对于维度的计算，我们可以用内积的形式，假设函数：表示一个简单的从二维映射到三维。则在SVM的计算中，可以表示为：再来看泰勒展开式：所以这个无穷多。
支持向量机中为什么核函数对应的映射就一定能吧曲线映射成直线 核函数包括线性核函数、多项式核函数、高斯核函数等，其中高斯核函数最常用，可以将数据映射到无穷维，也叫做径向基函数（Radial Basis Function 简称 RBF），是某种沿径向对称的标量函数。通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数，可记作 k（|x-xc|），其作用往往是局部的，即当x远离xc时函数取值很小。方法原理：根据模式识别理论，低维空间线性不可分的模式通过非线性映射到高维特征空间则可能实现线性可分，但是如果直接采用这种技术在高维空间进行分类或回归，则存在确定非线性映射函数的形式和参数、特征空间维数等问题，而最大的障碍则是在高维特征空间运算时存在的“维数灾难”。采用核函数技术可以有效地解决这样问题。设x，z∈X，X属于R（n）空间，非线性函数Φ实现输入空间X到特征空间F的映射，其中F属于 R（m），n。根据核函数技术有：K(x，z)=<；Φ(x)，Φ(z)>；(1)其中：<；，>；为内积，K(x，z)为核函数。从式(1)可以看出，核函数将m维高维空间的内积运算转化为n维低维输入空间的核函数计算，从而巧妙地解决了在高维特征空间中计算的“维数灾难”等问题，从而为在高维特征空间解决复杂的分类或回归问题奠定了理论基础。望采纳~
映射与函数，高一数学 (1)A中的m个元素，每个元素都要有唯一的象，A中第1个元素在B中找象有n个，A中第2个元素在B中找有n个，…，A中第m个元素在B中找象，有n个，共n×n×…×n=n^m(2)映射f：A→B满足：① 。
svm映射到核函数后，是多少维 在模式识别中，对特征空间划分时，很多情况下是线性不可划分的，但是在高维空间，就可以划分，核函数就是将低维空间进行非线性映射到高维空间的函数，使之线性可分。最初学习是你可以看一下svm的核函数
