请列举常用的SVM核函数，并说明每种核函数适用的典型应用场景。

回答思路

1. 【回答框架 1】核函数是SVM处理非线性问题的关键，其本质是通过映射函数将原始特征空间映射到高维空间，使数据在该空间中线性可分，而无需显式计算映射。
2. 【回答框架 2】常用核函数包括线性核、多项式核、径向基函数（RBF）核和Sigmoid核。线性核适合样本量大、特征维度高且近似线性可分的数据；多项式核适合将低维非线性数据映射到高维，但参数较多，容易过拟合；RBF核是最常用的通用核，能处理非线性数据，对参数gamma敏感；Sigmoid核来源于神经网络，实际中较少使用。
3. 【回答框架 3】选择核函数时需结合数据规模和先验知识：线性核计算效率高，适用于文本分类等高维稀疏场景；RBF核在样本量适中、特征维度不高时效果好；若有领域知识表明数据具有特定多项式关系，可选用多项式核。核函数的选择最终需通过交叉验证评估。
4. 【关键点 1】线性核适用于线性可分或高维稀疏数据，如文本分类。
5. 【关键点 2】RBF核是默认选择，能逼近任意非线性映射，但需调优gamma。
6. 【关键点 3】多项式核可处理非线性，但参数多，易过拟合。
7. 【关键点 4】Sigmoid核实际应用较少，且要求参数满足特定条件。
8. 【易错点 1】不要认为核函数越多越好，需根据数据规模、维度和先验知识选择，避免过拟合。
9. 【易错点 2】RBF核的gamma参数和惩罚系数C需联合调优，单独调优可能导致性能不佳。
10. 【易错点 3】对于大规模样本，高斯核计算开销大，可能需考虑线性核或近似方法。