使用单一特征训练径向基核SVM时，有没有（图形或其他形式的）解释？我可以在二维中想象其效果（结果是分界线是曲线而不是直线。例如 http://en.wikipedia.org/wiki/File:Kernel_Machine.png）。

我很难想象如果你的原始数据只有一个特征会是什么样子。在这种情况下，分界线会是什么样子？

回答：

在一维中，你的数据将是数字，决策边界将是简单的有限数字集，代表有限区间集分类到一个类别，以及有限区间集分类到另一个类别。

事实上，R^2中的决策边界实际上是点的集合，对于这些点，支持向量中高斯分布的加权和（其中alpha_i是这些权重）等于b（截距/阈值项）。你实际上可以绘制这个分布（现在是3D）。同样，在1D中，你会得到一个类似的分布，可以在2D中绘制，决策将基于这个分布是否大于/小于b。