RBF Kernel

释义 Definition

RBF kernel 指机器学习中的径向基函数核（最常见的是高斯核/Gaussian kernel），是一种衡量两个样本相似度的函数，常用于支持向量机（SVM）、核岭回归等核方法，把数据“隐式”映射到更高维空间以处理非线性关系。常见形式：
(K(x, x') = \exp(-\gamma |x-x'|^2))

发音 Pronunciation (IPA)

/ˌɑːr biː ˈɛf ˈkɝːnəl/

例句 Examples

We trained an SVM with an RBF kernel.
我们用 RBF 核训练了一个支持向量机。

Because the classes overlap nonlinearly, an RBF kernel often performs better than a linear kernel, but it requires careful tuning of γ and C.
由于类别之间以非线性方式重叠，RBF 核往往比线性核表现更好，但需要仔细调参 γ 和 C。

词源 Etymology

RBF 是 Radial Basis Function（径向基函数） 的缩写；“radial（径向）”强调函数值主要取决于样本间距离 (|x-x'|)。在实践中，RBF 核通常特指以指数形式衰减的高斯核，因其平滑、通用、对多种非线性边界适配性强而广泛使用。

相关词 Related Words

• Gaussian
• Kernel
• SVM
• Gamma
• Regularization
• Kernel Trick
• Polynomial
• Similarity

文学与经典引用 Literary Works

• Learning with Kernels — Bernhard Schölkopf & Alexander J. Smola
• The Elements of Statistical Learning — Trevor Hastie, Robert Tibshirani, Jerome Friedman
• Pattern Recognition and Machine Learning — Christopher M. Bishop
• Gaussian Processes for Machine Learning — Carl E. Rasmussen & Christopher K. I. Williams
• “Support-Vector Networks” — Corinna Cortes & Vladimir Vapnik（经典 SVM 文献中讨论核方法，RBF 核为常用选择之一）