Sobre el papel, cualquier transformación podría ser usada, aunque en la práctica las librerías que implementan este algoritmo suelen incluir un número de kernels limitado: polynomial, gaussian, Gaussian Radial Basis Function (RBF), Laplace RBF, hyperbolic tangent, sigmoid, bessel, ANOVA radial basis...
Scikit-Learn implementa cuatro kernels:
- linear
- poly
- rbf
- sigmoid
Aunque también admite la opción de personalizar el kernel como una función Python o indicando la matriz que define la transformación.
Veamos cuáles son las funciones que se están aplicando para los cuatro kernels implementados en Scikit.Learn.
