常数核#

class sklearn.gaussian_process.kernels.ConstantKernel(constant_value=1.0, constant_value_bounds=(1e-05, 100000.0))[source]#

常数核。

可以用作乘积核的一部分，其中它缩放其他因子（核）的幅度，或用作和核的一部分，其中它修改高斯过程的均值。

\[k(x_1, x_2) = constant\_value \;\forall\; x_1, x_2\]

添加常数核等同于添加常数

kernel = RBF() + ConstantKernel(constant_value=2)

与

kernel = RBF() + 2

更多详情请参见用户指南。

版本 0.18 中新增。

参数:
constant_value浮点数，默认为 1.0

定义协方差的常数值：k(x_1, x_2) = constant_value

constant_value_bounds一对浮点数 >= 0 或 “fixed”，默认为 (1e-5, 1e5)

constant_value 的下界和上界。如果设置为 “fixed”，则在超参数调整期间无法更改 constant_value。

示例

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import RBF, ConstantKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = RBF() + ConstantKernel(constant_value=2)
>>> gpr = GaussianProcessRegressor(kernel=kernel, alpha=5,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
0.3696...
>>> gpr.predict(X[:1,:], return_std=True)
(array([606.1...]), array([0.24...]))
__call__(X, Y=None, eval_gradient=False)[源代码]#

返回核函数 k(X, Y) 及其梯度（可选）。

参数:
X形状为 (n_samples_X, n_features) 的类数组或对象列表

返回的核函数 k(X, Y) 的左参数

Y形状为 (n_samples_X, n_features) 的类数组或对象列表，默认为 None

返回的核函数 k(X, Y) 的右参数。如果为 None，则计算 k(X, X)。

eval_gradient布尔值，默认为 False

确定是否计算关于核超参数对数的梯度。仅在 Y 为 None 时支持。

返回:
K形状为 (n_samples_X, n_samples_Y) 的 ndarray

核函数 k(X, Y)

K_gradient形状为 (n_samples_X, n_samples_X, n_dims) 的 ndarray，可选

核函数 k(X, X) 关于核超参数对数的梯度。仅当 eval_gradient 为 True 时返回。

属性 bounds#

返回 theta 的对数变换边界。

返回:
bounds形状为 (n_dims, 2) 的 ndarray

核超参数 theta 的对数变换边界

clone_with_theta(theta)[源代码]#

返回具有给定超参数 theta 的 self 的克隆。

参数:
theta形状为 (n_dims,) 的 ndarray

超参数

diag(X)[源代码]#

返回核函数 k(X, X) 的对角线。

此方法的结果与 np.diag(self(X)) 相同；但是，由于只计算对角线，因此可以更高效地进行计算。

参数:
X形状为 (n_samples_X, n_features) 的类数组或对象列表

核函数的参数。

返回:
K_diag形状为 (n_samples_X,) 的 ndarray

核函数 k(X, X) 的对角线

get_params(deep=True)[源代码]#

获取此核函数的参数。

参数:
deep布尔值，默认为 True

如果为 True，则将返回此估计器和作为估计器的包含子对象的参数。

返回:
params字典

参数名称与其值的映射。

属性 hyperparameters#

返回所有超参数规范的列表。

is_stationary()[源代码]#

返回核函数是否平稳。

属性 n_dims#

返回核函数的非固定超参数的数量。

属性 requires_vector_input#

核函数是否仅适用于固定长度的特征向量。

set_params(**params)[源代码]#

设置此核函数的参数。

此方法适用于简单的核函数以及嵌套的核函数。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

返回:
self
属性 theta#

返回（展平的，对数变换的）非固定超参数。

请注意，theta 通常是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:
theta形状为 (n_dims,) 的 ndarray

核函数的非固定、对数变换的超参数