支持向量機（SVM）的核技巧（Kernel Trick）是一種用來解決非線性分類問題的有效方法。它的核心思想是將原本不可線性分離的數據，透過一個非線性映射函數，投射到高維度的特徵空間中，使數據在高維空間可線性分割，然後再在該空間中運用線性支持向量機進行分類。
核技巧優點
- 能有效解決高維非線性分類問題，
- 避免直接計算高維映射，提升計算效率，
- 可根據數據特性選擇或設計合適核函數。
- 選擇合適核函數，
- 利用對偶問題形式，通過核函數代替特徵內積，
- 利用支持向量學習最大間隔分離超平面。
總結來說，核技巧使得支持向量機在非線性場景下仍能保持線性模型良好的理論性質與效果，通過巧妙的數學技巧將問題轉化為對偶空間計算，大幅提升非線性分類的能力和效率。
