sklearn.gaussian_process.CompoundKernel¶

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)

由一组其他内核组成的内核。

新版本0.18。

参数	说明
kernels	list of Kernels 另一个内核

方法

__init__(self, kernels)

初始化self. 请参阅help(type(self))以获得准确的说明。

__call__(self, X, Y=None, eval_gradient=False)

返回核函数k(X, Y)和它的梯度。

注意，这个复合内核返回沿着一个附加轴堆积的所有简单内核的结果。

参数	说明
X	array-like of shape (n_samples_X, n_features) or list of object, default=None 返回核函数k(X, Y)的左参数
Y	array-like of shape (n_samples_X, n_features) or list of object, default=None 返回的核函数k(X, Y)的正确参数。如果没有，则计算k(X, X)。
eval_gradient	bool, default=False 确定关于核超参数的梯度是否确定。

返回值	说明
K	ndarray of shape (n_samples_X, n_samples_Y, n_kernels) 内核k (X, Y)
K_gradient	ndarray of shape (n_samples_X, n_samples_X, n_dims, n_kernels), optional 核函数k(X, X)关于核函数超参数的梯度。只有当`eval_gradient`为真时才返回。

property bounds

返回的对数变换界限。

返回值	说明
bounds	array of shape (n_dims, 2) 核函数超参数的对数变换界限

clone_with_theta(self, theta)

返回带有给定超参数theta的self的克隆。

参数	说明
theta	ndarray of shape (n_dims,) 超参数

diag`(X)

返回核函数k(X, X)的对角线。

该方法的结果与np.diag(self(X))相同;但是，由于只计算对角，因此可以更有效地计算它。

参数值	说明
X	array-like of shape (n_samples_X, n_features) or list of object 参数指向内核。

返回值	说明
K_diag	ndarray of shape (n_samples_X, n_kernels) 核k(X, X)的对角线

get_params(self, deep=True)[source]

获取这个内核的参数。

参数值	说明
deep	bool, default=True 如果为真，将返回此估计器的参数以及包含的作为估计器的子对象。

返回值	说明
params	dict 参数名称映射到它们的值。

property hyperparameters

返回所有超参数规范的列表。

is_stationary(self)

返回内核是否静止。

property n_dims

返回内核的非固定超参数的数量。

property requires_vector_input

返回内核是否定义在离散结构上。

set_params(self, **params)

设置这个内核的参数。

该方法适用于简单估计量和嵌套对象(如pipline)。后者具有形式为<component>_<parameter>的参数，这样就让更新嵌套对象的每个组件成为了可能。

返回值	说明
self	无

property theta

返回(扁平的、对数转换的)非固定超参数。

注意，theta通常是内核超参数的对数变换值，因为这种搜索空间的表示更适合超参数搜索，因为像长度尺度这样的超参数自然存在于对数尺度上。

返回值	说明
theta	ndarray of shape (n_dims,) 核函数的非固定、对数变换超参数