# 核技巧

> 将数据从原始特征空间映射到高维特征空间的技术，使得在原始空间中非线性可分的问题在高维空间中变得线性可分

- ID: m03213
- 分类: technical
- 领域: 统计学

## 定义

将数据从原始特征空间映射到高维特征空间的技术，使得在原始空间中非线性可分的问题在高维空间中变得线性可分。通过核函数隐式计算高维空间的内积，避免显式的高维映射计算。脚手架作用：非线性模式识别。为支持向量机等算法提供了处理非线性问题的数学基础，使得机器学习能够发现数据中的复杂模式，对现代人工智能的发展具有关键意义。

## 机制

通过核函数把低维非线性问题隐式映射到高维，使线性方法可解，无需显式计算高维坐标。核即相似度度量。

## 练习

选合适核(线性/高斯/多项式)；用核技巧训练 SVM 等；用超参调带宽；注意过拟合与计算。

## 脚手架用法

非线性模式识别。为支持向量机等算法提供了处理非线性问题的数学基础，使得机器学习能够发现数据中的复杂模式，对现代人工智能的发展具有关键意义。

[阅读网页](https://thinkingmodels.site/entries/detail/m03213)