高斯过程分类（使用期望传播）可能是机器学习中的最新技术。Rasmussen 和 Williams有一本很棒的书（可免费下载），该网站有一个非常好的 MATLAB 实现。更多软件、书籍、论文等在这里。然而，在实践中，KLR 可能对大多数问题同样有效，主要困难在于选择内核和正则化参数，这可能最好通过交叉验证来完成，尽管留一法交叉验证可以近似非常有效，参见Cawley 和 Talbot (2008)。

我猜你知道逻辑回归的内核是非参数的，所以首先你有这个限制。

关于 R 包，我知道并且运行良好的是np：Nonparametric kernel smoothing methods for mixed data types

该包提供了多种非参数（和半参数）内核方法，可以无缝处理连续、无序和有序因子数据类型的混合。

关于最先进的内核，我建议您从 2009 年开始尝试使用本文中描述的内核。仔细阅读以选择最适合您且更实际的内核。