Gaussian kernel.
Fonction de similarité entre 2 points (donnée et landmark).
Un kernel gaussien mesure la "distance" entre 2 points de données `x^(i)` et `x^(j)`.
Le kernel gaussien est défini comme fonction de la norme (distance entre les points examinés) et d'un paramètre de largeur de bande/marge `σ` :
`K_"gaussien"(x^((i)),x^((j)))=exp(-(norm(x^((i))-x^((j)))^2)/(2σ^2))=exp(-(sum_(k=1)^n (x_k^((i))-x_k^((j)))^2)/(2σ^2)) `