我对 SVM 有一些疑问：

1. 在 SVM 中有一个非线性和线性 SVM。它们之间有什么区别？

2. 要在 SVM 中进行分类，我们将找到线性可分边界（超平面）。如果我们找不到它，我们必须将输入空间投影到特征空间中。那个特征空间是什么意思？
   我在互联网上读到有人解释说特征空间是一个标量，我们通过内积得到这个标量。例如，我有一个输入空间矩阵$A=[\{(1,2); 0\},\{(0,6);1\}]$; 其中 1, 2, 0, 6 是特征，0, 1 是标签。如何将输入空间 A 投影到特征空间中？

3. 为什么大多数人都说使用内核技巧，我们实际上并没有将我们的数据投影到更高的空间？但是我们将它投影到一个低空间（因为内核技巧=标量）？

4. 有许多内核类型：线性、多项式、RBF 和 sigmoid。我们如何确定我们必须为我们的数据使用哪种内核类型？

5. 在这个网页上，我们可以看到使用多项式和 RBF 内核，我们没有找到线性可分的边界/超平面，但是有一条曲线，一个群（用于 RBF）。但如前所述，SVM 找到线性超平面？为什么它们不同？我感谢所有答案。