def polynomial_kernel(X, Y, degree=2, coef0=1): return (np.dot(X, Y.T) + coef0) ** degree 把这个改成高斯核

这个函数原本是用于多项式核（Polynomial Kernel），它将两个输入矩阵`X`和`Y`通过线性组合和幂次运算转换成内积空间。如果你想将其改为高斯（RBF，Radial Basis Function）核，通常称为径向基函数核或指数核，可以使用下面的函数：

from scipy.spatial.distance import pdist, squareform

def gaussian_kernel(X, Y=None, gamma=1.0, coef0=0.0):
    if Y is None:
        # 如果只有一个矩阵传入，计算自相似度矩阵
        dists = pdist(X, metric='euclidean')
        kernel_matrix = np.exp(-gamma * squareform(dists))
    else:
        # 计算两矩阵间的距离然后应用核函数
        pairwise_dists = pdist(np.column_stack((X, Y)), metric='euclidean')
        kernel_matrix = np.exp(-gamma * pairwise_dists**2)

    # 添加常数项coef0
    return kernel_matrix + coef0

在这个版本中，`gamma`是一个控制核函数“宽度”的参数，`coef0`是一个偏置项，类似于多项式的`coef0`。函数首先计算输入数据之间的欧氏距离，然后用指数函数（`exp`）按照`gamma`的平方乘以距离的平方来缩放，得到高斯核矩阵。