核方法（Kernel Methods）是一種在機器學習中廣泛套用的算法，主要用於解決非線性模式分析問題。
核方法的核心思想是通過使用非線性映射將原始數據轉換到高維特徵空間，然後在該特徵空間中執行線性分析或回歸。這種方法的關鍵在於利用核函式，它避免了將數據顯式地映射到高維空間，從而減少了計算複雜度並提高了效率。核方法在許多機器學習算法中得到套用，如支持向量機（SVM）、高斯過程、Kernel PCA、核心回歸和核心感知器等。
核方法的一個主要優勢是它們能夠處理非線性問題，同時保持了計算效率。這是因為它們利用了核技巧（kernel trick），即在高維空間中計算內積的過程，而不必明確地進行非線性映射。這種方法不僅在理論上具有重要意義，也在實際套用中取得了顯著的成功。