波奇酱带你学机器学习：核函数的相似度可视化

Kernels as measures of similarity
- Note that $H_{ij} = \langle \phi_i, \phi_j \rangle$ or $H_{ij} = \mathbf{f}_i^\top \mathbf{f}_j$
- Inner product means similarity
- Interpret $\phi$ as mapping inputs from input space to feature space
- Then measure similarity in feature space
- Then we get matrix H
- Then we get kernel Z

这是一张结合二次元表情包与机器学习科普的梗图，使用《孤独摇滚！》的主角后藤独（波奇酱）的三种不同情绪的同人表情包，对应三个核函数作为相似度度量的3D可视化曲面图。上方的英文文字是核函数相关的知识点，包括内积与相似度的关系、将输入映射到高维特征空间再计算相似度等内容。从左到右，波奇酱的表情从慌张流汗到震惊大喊再到委屈哭泣，生动对应了理解不同核函数时的心态变化，用搞笑的二次元元素降低了机器学习知识点的理解门槛，让严肃的科普内容变得有趣。

图中的角色后藤独（波奇酱）出自日本原创电视动画《孤独摇滚！》，这是网友自制的二次创作科普梗图，将动画角色的同人表情包与机器学习领域的核函数可视化图表结合而成。这类科普梗图常出现在小红书、B站、知乎等知识分享平台，用于缓解机器学习学习过程中的枯燥感，帮助学习者更直观地理解核函数作为相似度度量的概念，目前已在机器学习爱好者圈子中流传。