核技巧(kernel trick)是在機器學習中使用支持向量機(SVM)等算法時的一種技術。它允許在低維空間中進行計算，同時利用核函數(shù)來隱式地進行高維空間的計算，從而解決線性不可分的問題。

　　在機器學習中，有時數(shù)據可能不是線性可分的，即不能用一個簡單的直線或平面將不同類別的數(shù)據分開。這時，使用核技巧可以將數(shù)據映射到高維空間，使得數(shù)據在這個高維空間中變得線性可分。

　　核技巧的主要用途包括：

　　1.解決非線性分類問題：

　　通過將數(shù)據映射到高維空間，使得原本線性不可分的數(shù)據變得線性可分，從而能夠應用線性分類器進行分類。

　　2.減少計算復雜度：

　　通過在低維空間中進行計算，避免直接在高維空間中進行復雜的計算，提高了算法的效率和速度。

　　常見的核函數(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)等，它們可以根據具體的問題和數(shù)據特點來選擇。核技巧在支持向量機等算法中被廣泛應用，幫助解決了許多復雜的分類和回歸問題。