内核技巧只能应用于问题公式中的示例显示为点积的线性模型（支持向量机、PCA 等）。

B. Schölkopf的另外两篇参考文献：

• Schölkopf, B. 和 Smola, AJ (2002)。学习内核。麻省理工学院出版社。
• Schölkopf, B.、Tsuda, K. 和 Vert, J.-P。（2004 年）。计算生物学中的核方法。麻省理工学院出版社。

和一个专门用于内核机器的网站。

@ebony1 给出了关键点 (+1)，我是一篇讨论如何核化广义线性模型的论文的合著者，例如逻辑回归和泊松回归，这非常简单。

GC Cawley、GJ Janacek 和 NLC Talbot，广义内核机器，在 IEEE/INNS 国际神经网络联合会议 (IJCNN-2007) 论文集，第 1732-1737 页，美国佛罗里达州奥兰多，2007 年 8 月 12-17 日。 （万维网，pdf）

我还写了一个（研究质量）MATLAB 工具箱（遗憾的是没有说明），你可以在这里找到。

能够对目标分布进行建模在不确定性量化等方面非常有用，因此它是对内核学习方法的有用（如果相当增量）补充。