线性支持向量机(Linear-SVM )用于可线性分离数据集的二分类问题，其中当数据集不能线性分离时，需要利用核函数将数据集映射到高维空间。 这样，数据可以在高维空间中线性分离。
hsdzxc核函数(Gaussian kernel )又称径向基(RBF )函数，是一种常用的核函数。 可以将有限维数据映射到高维空间。 让我们来看看hsdzxc内核函数的定义。
k(x，x ) (=e|||xx )|222
上面的公式涉及计算两个向量的欧式距离(2范数)，并且hsdzxc核函数是两个向量的欧式距离的单调函数。 是带宽，控制径向作用范围。 换言之，控制hsdzxc核函数的局部作用范围。 当x和x的欧式距离位于一个区间内时，假设x是固定的，则k(x，x ) )随x的变化而显著变化。 一维情况
设x'=0，k(x，0 )随x如何变化如下图所示。
=1
=5
可见，随着x与x’距离的增大，其hsdzxc核函数值单调递减。 并且越大，hsdzxc核函数的局部影响范围越大。
二维情况
=1
=5
二维可以更明显地看到hsdzxc核函数局部作用范围随带通变化的情况。 带通越大，hsdzxc核函数局部影响的范围越大。 超出此范围后，内核函数的值几乎不变。
hsdzxc核将数据映射到高维或无限维的原理通过一些简单的推导，得到了这样的结果，为了便于说明，设hsdzxc核中的分母为1。
图： https://www.zhi Hu.com/question/46587416？ from=profile_question_card
可知hsdzxc核函数可以通过无情的蘑菇展开，以无限维的x(t(x ) )的形式记述。