Linear Kernel & RBF Kernel

"Linear Kernel"과 "RBF Kernel"은 머신 러닝 및 커널 기반 메서드(예: 서포트 벡터 머신, 커널 PCA 등)에서 사용되는 커널 함수(kernel function) 중 두 가지 일반적인 유형이다.

1. Linear Kernel (선형 커널):

   • 선형 커널은 가장 간단한 형태의 커널 함수 중 하나이다.
   • 이 커널은 데이터 포인트 간의 내적(또는 특성 공간에서의 직선 형태)을 계산한다.
   • 선형 커널은 주로 선형 분류 문제에 사용되며, 서포트 벡터 머신(SVM)에서 일반적으로 적용된다.
   • 데이터가 선형적으로 구분 가능한 경우 선형 커널은 효과적인 선택이다.

2. RBF Kernel (Radial Basis Function Kernel, 방사 기저 함수 커널):

   • RBF 커널은 비선형 문제를 다루기 위한 커널 중 하나로 널리 사용된다.
   • RBF 커널은 데이터 포인트 간의 거리에 기반하여 데이터를 고차원 공간으로 매핑하는 역할을 한다. 이를 통해 비선형 결정 경계를 모델링할 수 있다.
   • RBF 커널은 다양한 문제에 적용 가능하며, SVM 및 커널 PCA에서 주로 사용된다.
   • RBF 커널의 중요한 매개변수로는 "gamma"가 있으며, gamma 값에 따라 커널의 모양이 변하며, 과대적합 또는 과소적합을 조절할 수 있다.

이 두 가지 커널은 머신 러닝 알고리즘에서 데이터의 차원을 늘리거나 비선형 패턴을 모델링하기 위해 사용된다. 선형 커널은 선형 분리 가능한 문제에 적합하며, RBF 커널은 복잡한 비선형 관계를 처리하기 위한 강력한 도구 중 하나이다. 선택은 주어진 문제의 성격과 데이터에 따라 달라진다.