[Kernel method - Wikipedia](https://en.wikipedia.org/wiki/Kernel_method) > [[機械学習]]において、カーネルマシンはパターン解析のためのアルゴリズムの一種であり、サポートベクターマシン（[[サポートベクターマシン|SVM]]）が最もよく知られたメンバーである。パターン解析の一般的な課題は、データセット中の一般的なタイプの関係（例えば、クラスタ、順位、主成分、相関、分類）を発見し、研究することである。これらの課題を解決する多くのアルゴリズムでは、ユーザが指定した特徴マップを介して、生表現のデータを特徴ベクトル表現に明示的に変換する必要がある。これに対して、カーネル法はユーザが指定したカーネル、すなわち生表現のデータ点の組に対する類似性関数だけを必要とする。 > カーネル法は、カーネル関数を用いることにより、高次元の陰的特徴空間において、その空間におけるデータの座標を計算することなく、特徴空間におけるすべてのデータのペアの画像間の内積を計算するだけで演算できることから、その名前が付けられた。この操作は、多くの場合、座標を明示的に計算するよりも計算量が少なくて済む。カーネル関数は、ベクトルだけでなく、シーケンスデータ、グラフ、テキスト、画像に対しても導入されている。 > カーネルを利用したアルゴリズムには、カーネルパーセプトロン、サポートベクターマシン（SVM）、ガウス過程、主成分分析（PCA）、正準相関分析、リッジ回帰、スペクトルクラスタリング、線形適応フィルタなど多くのものがある。 > カーネルアルゴリズムの多くは凸最適化あるいは固有問題に基づくものであり，統計的に十分な根拠がある．一般に，その統計的性質は統計的学習理論を用いて解析される（例えば，ラーデマッハの複雑性を用いる）．