基于SVM的图像分类实现：原理、核矩阵及学习资源问询

• 正在学习SVM，目标是实现基于SVM的图像分类。看过sklearn.svm.SVC的示例代码，但始终无法理解其分类机制；阅读了《Learning with Kernel Bernhard Scholkopf and Alexander J. Smola》一书也没有进展。
• 核心疑问：无法理解核矩阵的概念。
• 需求：希望获取带有编程实践的学习书籍来理解SVM相关概念，尤其是结合图像分类的内容。

附上sklearn.svm.SVC的参数定义：

class sklearn.svm.SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape='ovr', break_ties=False, random_state=None)

内容的提问来源于stack exchange，提问作者mchaudh4