هسته‌ها توابع ریاضی هستند که در الگوریتم‌های مختلف مانند ماشین‌های بردار پشتیبان (SVM) و فرآیندهای گاوسی (GP) برای انجام تبدیل‌های غیرخطی روی داده‌های ورودی استفاده می‌شوند.
هسته خطی: یک هسته خطی به سادگی حاصل ضرب نقطه بین دو بردار ورودی را محاسبه می کند که معادل یک مدل پرسپترون تک لایه است. هسته خطی اغلب در مسائل طبقه بندی متن استفاده می شود که در آن ورودی به عنوان مجموعه ای از فرکانس های کلمه نمایش داده می شود.
هسته درجه دوم: هسته درجه دوم برای تبدیل داده های ورودی به فضایی با ابعاد بالاتر استفاده می شود که اجازه می دهد تا مرزهای تصمیم گیری غیر خطی را ایجاد کند. حاصل ضرب نقطه بین دو بردار ورودی و همچنین مربع حاصل ضرب نقطه را محاسبه می کند. این بدان معنی است که نه تنها ترکیب خطی متغیرهای ورودی بلکه تعامل آنها را نیز در نظر می گیرد.
هسته مکعبی: هسته مکعبی شبیه به هسته درجه دوم است، اما شامل مکعب حاصلضرب نقطه بین دو بردار ورودی نیز می شود. این بدان معنی است که نه تنها برهمکنش های خطی و درجه دوم، بلکه برهمکنش های مکعبی بین متغیرهای ورودی را نیز در نظر می گیرد.
انتخاب هسته به مشکل خاصی که حل می شود و ویژگی های داده های ورودی بستگی دارد. در برخی موارد، یک هسته خطی ممکن است کافی باشد، در حالی که در موارد دیگر ممکن است یک هسته پیچیده تر لازم باشد. به طور کلی، عملکرد الگوریتم تحت تأثیر انتخاب هسته است و می توان با استفاده از اعتبارسنجی متقابل برای یافتن بهترین هسته برای مسئله خاص بهینه سازی کرد.