# 核函数（Kernel Function）
# 1）减少计算量：
# 2）减少存储空间：一般将原始样本变形，通常是将低维的样本数据变为高维数据，存储高维数据花费较多的存储空间；使用核函数，不用考虑原来样本改变后的样子，也不用存储变化后的结果，只需要直接使用变化的结果进行运算并返回运算结果即可；
# 核函数的方法和思路不是 SVM 算法特有，只要可以减少计算量和存储空间，都可以设计核函数方便运算；
# 对于比较传统的常用的机器学习算法，核函数这种技巧更多的在 SVM 算法中使用；
# SVM 算法的本质就是求解目标函数的最优化问题；
# 求解最优化问题时，将数学模型变形：
# 解决非线性数据分类：对样本添加多项式特征，公式变形；
# x(i) 添加多项式特征后：x'(i) ；
# x(j) 添加多项式特征后：x'(j) ；
# 核函数思路：设计一个函数（ K(xi, xj) ），传入原始样本，返回添加了多项式特征后的新样本；相当于，先对 xi 、xj 添加多项式，再进行计算，此处用 k 函数代替；
# 该函数：K(xi, xj)，此处表示 x'(i) . x'(j) 的运算结果；不用考虑先将 x(i) 转变为 x'(i) 然后在进行计算，而是直接返回运算结果；
# 其实不使用核函数也能达到同样的目的，这里核函数相当于一个技巧，更方便运算；
# 例：多项式核函数
# 可以添加任意次幂的多项式：
，d = degree；