Por que é desejável ter separabilidade linear no SVM?
SVCs são inerentemente uma técnica linear. Eles encontram limites lineares separando (da melhor maneira possível) diferentes classes. Se não houver um limite linear natural para o problema, as opções são usar uma técnica diferente ou usar SVCs com recursos transformados em um espaço onde realmente existe um limite linear.
Consulte a imagem acima, claramente um círculo pode separar as duas classes (imagem à esquerda). Por que se esforçar tanto para mapeá-lo para uma função para torná-lo linearmente separável (imagem à direita)?
Este é um exemplo clássico. As classes de dados são separadas por um círculo, mas um SVC não pode encontrar círculos diretamente. No entanto, se os dados forem transformados usando uma função de base radial , no espaço resultante, as classes serão separadas por um limite linear.