核化主成分（KPCA）

核化主成分分析（Kernel Principal Component Analysis，KPCA）是一种基于核技巧的主成分分析方法，用于非线性数据降维。与传统的主成分分析（PCA）不同，KPCA在高维空间中进行计算，通过映射数据到高维空间中，使得数据在该空间中变得线性可分。这个映射函数是由核函数来定义的，常用的核函数包括高斯核（Gaussian Kernel）和多项式核（Polynomial Kernel）等。KPCA的主要思想是在高维空间中寻找数据的主成分，通过这些主成分来描述数据的特征。