核函数：
当数据非线性可分时，可将数据从低维空间映射到高维空间，使数据在高维空间线性可分，之后在优化时需要计算内积，复杂度很高。而核函数准确地说是一种核技巧，能够简便的计算内积，从而能够简便地解决非线性问题。
SVM核函数的选择：
吴恩达老师老师的建议：
1、当样本特征数目远远大于样本数量时，特征维度已经够高，这个时候往往数据线性可分，可考虑使用线性核函数。
2、当样本数量一般，样本特征维度也不高时，可以考虑高斯核
3、当样本数量较多，样本特征较少时，可考虑人工增加一些特征，使样本线性可分，然后再考虑使用线性核函数的SVM或者LR.
来源：CSDN
作者：鸡汤本汤
链接：https://blog.csdn.net/YangTinTin/article/details/104704991