GridSearchCV中kernel参数的含义解析（附代码示例）

1. kernel参数的核心含义 #

kernel是支持向量机（SVM）模型的核心参数，作用是处理非线性可分的数据：它能把低维空间里无法线性划分的数据，映射到更高维度的空间，让数据在新空间中具备线性可分性。

常用的kernel取值包括：

• linear：线性核，直接基于原始特征做线性分类，适合数据本身线性可分的场景，计算效率最高。
• rbf：径向基核（高斯核），最常用的非线性核，能适配绝大多数非线性分类任务，通过高斯函数将数据映射到无限维空间，拟合能力极强。

2. 代码中parameters字典里'kernel'键的作用 #

你代码里的parameters是传给GridSearchCV的参数网格，其中的'kernel'键对应SVC模型的kernel参数。

GridSearchCV的工作逻辑是：遍历参数网格内的所有参数组合，用每个组合训练SVC模型，通过5折交叉验证（cv=5）评估模型性能，最终选出得分最高的参数组合。这里'kernel': ('linear', 'rbf')就是告诉GridSearchCV，分别用线性核和径向基核来训练SVC，同时搭配C的5个取值（1,4,8,16,32），总共会训练2*5=10个不同的SVC模型。

附上你的代码供参考：

from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC

parameters = {'kernel': ('linear', 'rbf'), 'C': (1, 4, 8, 16, 32)}

svc = SVC()
clf = GridSearchCV(svc, parameters, cv=5)
clf.fit(train_x_vectors, train_y)

内容的提问来源于stack exchange，提问作者levi mungai