高斯核

高斯核（Gaussian Kernel）是一种常用的核函数，用于计算数据点之间的相似度。它的形式为：K(x, y) = exp(-||x - y||^2 / (2 * σ^2))，其中x和y是两个数据点，σ是一个正数参数，表示数据的分布范围。高斯核具有平滑、可分性和局部性等特点，因此在支持向量机（SVM）、核主成分分析（KPCA）等机器学习算法中得到了广泛应用。