Kernel trick & traitement du signal

Question

Le kernel trick montre de très bonnes performances dans le cadre de problèmes non-linéaires cependant on perd en lisibilité sur les contributions respectives des différentes variables d'entrée sur les sorties.
Des recommandations pour utiliser le kernel trick tout en évitant l'effet boîte noire ?

Answer 1

Est ce que un arbre de décision ou un random forest ferait l'affaire ? Car ce sont les modèles les plus explicables et qui gèrent la non linearité.
Pour utiliser le kernel trick de façon plus explicable, je ne vois pas trop !!