SVM支持向量機，一般用於二分類模型，支持線性可分和非線性划分。SVM中用到的核函數有線性核'linear'、多項式核函數pkf以及高斯核函數rbf。
當訓練數據線性可分時，一般用線性核函數，直接實現可分；
當訓練數據不可分時，需要使用核技巧，將訓練數據映射到另一個高維空間，使再高維空間中，數據可線性划分，
但需要注意的是，若樣本n和特征m很大時，且特征m>>n時，需要用線性核函數，因為此時考慮高斯核函數的映射后空間維數更高，更復雜，也容易過擬合，此時使用高斯核函數的弊大於利，選擇使用線性核會更好；
若樣本n一般大小，特征m較小，此時進行高斯核函數映射后，不僅能夠實現將原訓練數據再高維空間中實現線性划分，而且計算方面不會有很大的消耗，因此利大於弊，適合用高斯核函數；
若樣本n很大，但特征m較小，同樣難以避免計算復雜的問題，因此會更多考慮線性核。