支持向量機是否對屬性之間的相關性敏感？

我想訓練一個支持向量機來根據 20 個屬性對案例（真/假）進行分類。我知道其中一些屬性是高度相關的。因此我的問題是：SVM 是否對特徵之間的相關性或冗余敏感？有什麼參考嗎？

**線性核：**這裡的效果類似於線性回歸中的多重共線性。對於訓練集中的微小變化，您的學習模型可能不是特別穩定，因為不同的權重向量將具有相似的輸出。但是，訓練集的預測將相當穩定，因此如果它們來自相同的分佈，它們也會測試預測。

RBF 內核： RBF 內核只查看數據點之間的距離。因此，假設您實際上有 11 個屬性，但其中一個屬性重複了 10 次（非常極端的情況）。然後，該重複屬性對距離的貢獻將是任何其他屬性的 10 倍，並且學習模型可能會受到該特徵的更大影響。

用 RBF 核折現相關性的一種簡單方法是使用馬氏距離：， 在哪裡是樣本協方差矩陣的估計。等效地，映射所有向量到然後使用常規的 RBF 內核，其中是這樣的，例如 Cholesky 分解.

引用自：https://stats.stackexchange.com/questions/149662