实现Pegasos（Primal Estimated sub-GrAdient SOlver for SVM）算法来训练核支持向量机（Kernel SVM）分类器。Pegasos是一种高效的随机梯度下降算法，用于解决SVM优化问题。 在权重更新时，只需要对不符合约束的权重和偏置进行更新，正则化参数只需要在权重鞥新时对权重本身进行约束，SGD的一次迭代过程需要遍历所有数据。

输入描述:

函数接收6个参数：1. data：二维numpy数组，每行是一个样本的特征向量2. labels：一维numpy数组，包含对应的二分类标签（-1或1）3. kernel：字符串，指定核函数类型（'linear'或'rbf'）4. lambda_val：浮点数，正则化参数5. iterations：整数，算法迭代次数6. sigma：浮点数，RBF核函数的带宽参数

输出描述:

返回一个元组，包含两个元素：1. alpha：列表，每个样本对应的alpha系数（保留4位小数）2. bias：浮点数，模型的偏置项（保留4位小数）

备注:

1.对应的输入、输出已给出，您只用实现核心功能函数即可。2.支持numpy、scipy、pandas、scikit-learn库。