sklearn.gaussian_process.Kernel

class sklearn.gaussian_process.kernels.Kernel

[源码]

所有内核的基类。

新版本0.18。

属性 说明
bounds

方法

方法 说明
__call__(self, X[, Y, eval_gradient]) 评估内核。
clone_with_theta(self, theta) 返回具有给定超参数theta的self的克隆。
diag(self, X) 返回内核k（X，X）的对角线。
get_params(self[, deep]) 获取这个内核的参数。
is_stationary(self) 返回内核是否固定。
set_params(self, **params) 设置此内核的参数。 
__init__(self, /, *args, **kwargs)

初始化self. See 请参阅help(type(self))以获得准确的说明 。

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

评估内核。

property bounds

返回的对数变换界限。

返回值 说明
bounds ndarray 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。

返回值 说明
theta ndarray of shape (n_dims,)
的hyperparameters		 
abstract diag(self, 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 说明
X array-like of shape (n_samples,)
返回核函数k(X, Y)的左参数
返回值 说明
K_diag ndarray of shape (n_samples_X,)
核k(X, X)的对角线		 
get_params(self, deep=True)

获取这个内核的参数。

参数 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

返回所有超参数的列表。

abstract 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

返回内核是在固定长度的特征向量上定义的还是在通用对象上定义的。向后兼容性的默认值为True。

set_params(self, **params)

设置这个内核的参数。

该方法适用于简单内核和嵌套内核。后者具有形式为__的参数，这样就可以更新嵌套对象的每个组件。

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

示例sklearn.gaussian_process.kernels.Kernel