在機器學習中,(高斯)徑向基函數核(英語:Radial basis function kernel),或稱為RBF核,是一種常用的核函數。它是支持向量機分類中最為常用的核函數。[1]
關於兩個樣本x和x'的RBF核可表示為某個「輸入空間」(input space)的特徵向量,它的定義如下所示:[2]

可以看做兩個特徵向量之間的平方歐幾里得距離。
是一個自由參數。一種等價但更為簡單的定義是設一個新的參數
,其表達式為
:

因為RBF核函數的值隨距離增大而減小,並介於0(極限)和1(當x = x'的時候)之間,所以它是一種現成的相似性度量表示法。[2]
核的特徵空間有無窮多的維數;對於
,它的展開式為:[3]
