Eu sou novo no campo de aprendizado de máquina e agora estou tentando entender como os algoritmos de aprendizado mais comuns funcionam e entender quando aplicar cada um deles. No momento, estou aprendendo como o Support Vector Machines funciona e tenho uma pergunta sobre as funções personalizadas do kernel.
Há muitas informações na Web sobre kernels mais padrão (lineares, RBF, polinomiais) para SVMs. Eu, no entanto, gostaria de entender quando é razoável optar por uma função personalizada do kernel. Minhas perguntas são:

1) Quais são os outros kernels possíveis para SVMs?
2) Em qual situação se aplicaria kernels personalizados?
3) O kernel personalizado pode melhorar substancialmente a qualidade de previsão do SVM?