支持向量机中rbf函数是如何计算的？

近期在开展与机器学习相关的零知识证明研究工作，于处理支持向量机核函数过程中对若干具体细节产生疑问，查阅了大量相关资料并进行实验验证后得出结论，现将相关内容进行记录（2021.8.9）。

问题描述

在实施支持向量机分类（svc）的过程中，多数情况下均需借助核函数，其中应用最为广泛的是rbf核函数。依据sklearn的文档，rbf核函数的具体定义为：

从表述中可以发现，核函数的核心作用在于计算两个输入向量x与y之间的距离，再将其乘以特定参数后取e的负指数形式。然而，这里存在一个疑问：倘若当前已具备一个训练完成的模型，其参数保持不变，并且此时存在一条训练样本x，那么在此情境下，变量y究竟代表什么？

几个猜想

• 猜想1：鉴于函数中y的定义被设定为None，最初推测y可能代表数值0，或等同于变量x。然而这两个假设在分析后被判定为不成立，因而