机器学习中的核函数与核方法（好！）

 原文见：https://blog.csdn.net/qq_34099953/article/details/84316905

我们在学习机器学习的时候，总是会看到一个概念——核，然后看到一堆公式。但是为什么要核呢？核到底是啥玩意？云里雾里。接下来，我们将要把“核”这个东西的神秘面纱一点点揭开。

一、什么是“核函数”

我们都知道，机器学习（神经网络）的一个很重要的目的，就是将数据分类。我们想象下面这个数据（图1），在二维空间（特征表示为x1和x2）中随机分布的两类数据（用圆圈和叉叉表示）。

 

二、为什么要用核函数

因为在机器学习中，我们求解的过程要用到内积，而变换后的高维空间的内积我们不好求，所以我们定义了这个核函数，可以把高维空间的内积运算转化成内为空间的某些运算，这样求起来不是很简单吗？

换

 

句话说，如果我们有了核函数，我们就不再需要知道那个映射到底是个什么鬼，我们就可以直接通过核函数，就可以求导高维空间的内积了，从而可以计算出高维空间中两个数据点之间的距离和角度。