¿Por qué es deseable tener separabilidad lineal en SVM?
Los SVC son inherentemente una técnica lineal. Encuentran límites lineales que separan (lo mejor posible) diferentes clases. Si no hay un límite lineal natural para el problema, las opciones son usar una técnica diferente o usar SVC con características transformadas en un espacio donde de hecho hay un límite lineal.
Refiérase a la imagen de arriba, claramente un círculo puede separar las dos clases (imagen de la izquierda). ¿Por qué entonces tomar tanto dolor mapearlo a una función para hacerlo linealmente separable (imagen derecha)?
Este es un ejemplo clásico. Las clases de datos están separadas por un círculo, pero un SVC no puede encontrar círculos directamente. Sin embargo, si los datos se transforman utilizando una función de base radial , en el espacio resultante, las clases están separadas por un límite lineal.