核方法（Kernel Method）：机器学习中的一类方法，通过核函数在不显式计算高维映射的情况下，直接在原空间计算样本在某个高维特征空间中的内积，从而实现非线性学习（常见于分类、回归、降维等）。该术语也可泛指以核技巧为核心的算法家族。
/ˈkɝːnəl ˈmɛθəd/
Kernel methods can turn a linear classifier into a nonlinear one.
核方法可以把线性分类器变成非线性分类器。
By choosing an appropriate kernel, the method captures complex patterns without explicitly mapping data into a high-dimensional space.
通过选择合适的核函数，这种方法无需显式把数据映射到高维空间，就能捕捉复杂模式。
kernel 原意是“果核、核心”，在数学与计算中常引申为“核心结构/核心函数”。在机器学习里，“核（kernel）”指满足一定条件、可表示为高维特征空间内积的函数；“核方法”则是围绕这种核函数与核技巧（kernel trick）构建的一整套学习方法。method 表示“方法、技术路线”，组合后即“以核函数为核心的学习方法”。
Select Language