我是机器学习的新手，我开始跟随Udacity的机器学习入门课程

我在学习简单向量机时遇到了C和Gamma的概念。我做了一些研究，发现了以下内容：

C – 高C值试图最小化训练数据的误分类，而低C值则试图保持平滑的分类。这对我来说是有意义的。

Gamma – 我无法理解这个概念。

能有人用通俗的语言向我解释一下吗？

回答：

当你使用SVM时，你必然在使用一种核函数：线性、多项式或RBF=径向基函数（也称为高斯核）或其他任何核函数。后者是

K(x,x') = exp(-gamma * ||x-x'||^2) 

其中明确包含了你的gamma。gamma值越大，高斯“钟形曲线”就越窄。

我相信，随着课程的进行，你会学到更多关于这种“核技巧”的知识。