Kernel方法

机器学习中的核函数与核方法（是什么？为什么？怎么做？）CSDN博客

上文中，二维空间用椭圆分类。用x和y再造/算出个z，就升维了，可以用平面来分隔了。

还有人说(大意)“核函数化复杂为简单，化不可能为可能”。

能不能这么理解：

椭圆有方程，可以用不多的几个数来描述。遇到更复杂的例子，小孩子也可以在二维空间里画条曲里拐弯的曲线出来，完美地分隔那些点。可是曲线的方程怎么写？怎么用不多的数描述曲线？怎么定义和计算点到曲线的距离？所以核方法的本质是不是"便于用电脑编程实现"？:-) 找到曲里拐弯的例子了：机器学习笔记029 | 核函数 - 知乎

模式识别中从Kernel方法的本质来看，是否真的有效？ - 知乎

直线的方程是y=kx + b，或者更通用的Ax + By + C = 0，如A=k, B=-1, C=b。三维空间里直线升级为平面，点到平面的距离好像也有公式。超平面指的是>=4维里像3维里的平面的东西？ 怎么证明点到超平面的距离公式，还有两个高维向量之间夹角的公式？是严格证明，还是二维和三维如此，高维想必类似？

Occam's razor (the simplest explanation is usually the right one) The idea is attributed to English Franciscan friar William of Ockham (c. 1287–1347), a scholastic philosopher and theologian who used a preference for simplicity to defend the idea of divine miracles. 这个想法是由英国方济会修士威廉·奥克姆，一位学者哲学家和神学家，他用对简单的偏爱来捍卫神的奇迹。

那，如果我成功地使用了奥卡姆的剃刀，"核方法的本质是便于用电脑编程实现"就是个真命题喽？