“核技巧”(kernel trick)是机器学习中常用的一种方法:通过“核函数”在不显式计算高维特征映射的情况下,直接在原空间计算样本在高维特征空间中的内积,从而让线性算法(如SVM、核岭回归等)能够实现非线性分类或回归。(在某些语境下也可泛指“用核函数把问题变得可线性处理”的技巧。)
/ˈkɝːnəl trɪk/
We use the kernel trick to classify data that isn’t linearly separable.
我们用核技巧来分类那些线性不可分的数据。
By applying the kernel trick, the SVM effectively builds a nonlinear decision boundary without ever computing the high-dimensional feature vectors explicitly.
通过应用核技巧,SVM 能在不显式计算高维特征向量的情况下,有效地构建非线性的决策边界。
kernel 原意是“核心、核仁”,在数学与机器学习里引申为“核函数”(一种度量相似度、可对应内积的函数);trick 意为“诀窍、巧妙方法”。“核技巧”这一说法强调其“巧妙之处”在于:把复杂的高维运算替换成在原空间的核函数计算。