Kernel 方法

無論是一個機器學習方法或演算法，我們會要求它能:

1. 有效的計算
2. 穩健
3. 統計的穩定性

Kernel 方法也不例外。任何Kernel 方法由兩部份所組成: 第一部份模組執行映射到特徵空間；一部份設計一學習演算法在此空間來探索線性模式。

此方法能行得通，主要有兩個原因:
1. 對於線性關係的偵測或尋找已經是幾十年來在統計或機器學習中的重點，其產出的演算法好理解又有效。
2.Kernel 函式提供一計算捷徑能有效的在高維空間中表示線性模式。

Kernel 方法簡單來說就是用 kernel 函式來做下面這件事:

轉至特徵空間呈線性後，就好辦事好處理了。