ABCD均為常見的核函數(shù)表示。

正確答案是：A: Linear, B: RBF, C: Sigmoid, D: Polynomial

專業(yè)分析：

支持向量機（SVM）是一種用于分類和回歸分析的監(jiān)督學習模型。SVM的核心思想是找到一個最佳的超平面來將數(shù)據(jù)進行分類。在處理線性不可分問題時，SVM通過核函數(shù)將數(shù)據(jù)映射到高維空間，使得在高維空間中可以找到一個線性可分的超平面。

以下是常見的SVM核函數(shù)：

1. **Linear Kernel（線性核）**：
- 形式：\( K(x_i, x_j) = x_i \cdot x_j \)
- 線性核函數(shù)適用于線性可分的數(shù)據(jù)集。

2. **RBF Kernel（徑向基函數(shù)核，也稱高斯核）**：
- 形式：\( K(x_i, x_j) = \exp(-\gamma \|x_i - x_j\|^2) \)
- RBF核函數(shù)是最常用的核函數(shù)之一，適用于大多數(shù)情況，尤其是當數(shù)據(jù)的分布較為復雜時。

3. **Sigmoid Kernel（Sigmoid核，也稱雙曲正切核）**：
- 形式：\( K(x_i, x_j) = \tanh(\alpha x_i \cdot x_j + c) \)
- Sigmoid核函數(shù)在某些情況下表現(xiàn)類似于神經網絡中的激活函數(shù)。

4. **Polynomial Kernel（多項式核）**：
- 形式：\( K(x_i, x_j) = (x_i \cdot x_j + c)^d \)
- 多項式核函數(shù)適用于特征之間存在多項式關系的數(shù)據(jù)集。

綜上所述，選項A: Linear, B: RBF, C: Sigmoid, D: Polynomial都是支持向量機常用的核函數(shù)。