核函數(shù)是在機器學習和支持向量機(SVM)中使用的一種技術。它實際上是一種數(shù)學函數(shù)，用于將數(shù)據(jù)從原始空間映射到更高維的特征空間。這種映射允許在原始空間中線性不可分的數(shù)據(jù)變得線性可分，這樣就可以使用線性分類器(比如SVM)來有效地處理數(shù)據(jù)。

　　核函數(shù)的作用是通過內積(dot product)的方式來計算兩個向量在高維空間中的相似度，而不需要顯式地計算出高維空間的坐標。這種技巧在處理非線性問題時非常有用，因為它避免了直接在高維空間中進行計算，從而節(jié)省了計算資源和時間。

　　常用的核函數(shù)包括線性核函數(shù)、多項式核函數(shù)、高斯徑向基函數(shù)(RBF)核函數(shù)等，它們各自具有不同的特點和適用范圍，可以根據(jù)具體問題的特點選擇合適的核函數(shù)來提高模型性能。