KPCA

KPCA的核心在于使用Kernel method，将原本非线性可分的点集变得线性可分。

对于Kernel的理解，Kernel的实质是将一种映射关系简单化的处理。原本将非线性可分的点集进行映射的函数，我们难以去计算，其次也非常麻烦，而Kernel的出现则是使用点集的内积去进行这种函数的简化。

而KPCA则是将点集通过Kernel映射之后，在新的F空间中进行经典的PCA切割。

rbf_kernel_pca：通过计算向量之间的距离，组成距离方阵，进一步中心化，通过eig中心核矩阵，获得投影空间。

现阶段问题在于，为何距离方阵的eig则可以代表经典PCA的协方差矩阵的eig