在現(xiàn)實任務中，原始樣本空間中可能不存在這樣可以將樣本正確分為兩類的超平面，但是我們知道如果原始空間的維數(shù)是有限的，也就是說屬性數(shù)是有限的，則一定存在一個高維特征空間能夠將樣本劃分。

事實上，在做任務中，我們并不知道什么樣的核函數(shù)是合適的。但是核函數(shù)的選擇卻對支持向量機的性能有著至關重要的作用。如果核函數(shù)選擇不合適，則意味著樣本映射到一個不合適的特征空間，這樣就有可能導致性能不佳。故“核函數(shù)選擇”是非常重要的一項任務。

對于線性數(shù)據集的分類來說，我們當然會選擇線性核函數(shù)。但如果要分割非線性數(shù)據集，我們該如何做呢？答案是，我們可以改變損失函數(shù)中的核函數(shù)。我們今天就以高斯核函數(shù)來進行案例說明：