这一节讲的是核化的SVM，Andrew Ng的那篇讲义也讲过，讲的也不错。
首先讲的是kernel trick，为了简化将低维特征映射高维特征后的计算，使用了核技巧。讲义中还讲了核函数的判定，即什么样的函数K能使用kernel trick。
此外，核函数还可以衡量两个特征的相似度，值越大，越相似(可用于跟踪哦 )。
接着讲的是Polynomial Kernel，需要注意的是核函数的系数和常量，这会影响到最终的margin。
再接着讲了高斯Kernel，它能将原始数据映射到无限维！但是如果参数选的不好就会出现过拟合。
最后对几种Kernel进行了比较，各有优缺点。需要注意的是，线性Kernel应该是首先尝试的对象。
参考：http://www.cnblogs.com/xbf9xbf/p/4621769.html
http://www.cnblogs.com/bourneli/p/4202423.html