《A Practical Guide to Support Vector Classi cation》是一篇libSVM使用入门教程以及一些实用技巧。
1. Basic Kernels：
（1）linear
（2）polynomial
（3）radial basis function
（4）sigmoid
2. Scaling：
Scaling对于SVM非常重要，可以避免某个维度上的值很大，会主导那些值很小的维度。另一个好处是避免复杂的数值计算。另外需要注意的是，在对training data和testing data进行scaling的时候，要使用相同的缩放倍数。
3. Cross-validation and Grid-search：
（1）cross-validation可以防止过拟合。
（2）可以先粗糙地grid search，再进行更精细的grid search。
4. When to Use Linear but not RBF Kernel：
如果features的维度较大，那么就并不需要将数据映射到更高维度的空间了。或者说，非线性的映射并不能带来多大的性能提升。
[笔记]A Practical Guide to Support Vector Classi cation
原文：http://www.cnblogs.com/bentuwuying/p/6361562.html