加性卡方核#

sklearn.metrics.pairwise.additive_chi2_kernel(X, Y=None)[source]#

计算 X 和 Y 中观测值之间的加性卡方核。

卡方核是在 X 和 Y 中每一对行之间计算的。X 和 Y 必须是非负的。此核最常应用于直方图。

卡方核由下式给出：

k(x, y) = -Sum [(x - y)^2 / (x + y)]

它可以解释为每个条目的加权差异。

在用户指南中了解更多信息。

参数：

Xarray-like of shape (n_samples_X, n_features): 特征数组。
Yarray-like of shape (n_samples_Y, n_features), default=None: 可选的第二个特征数组。如果为 None，则使用 Y=X。

返回：

kernelarray-like of shape (n_samples_X, n_samples_Y): 核矩阵。

另请参见

卡方核: 核的指数版本，通常更可取。
sklearn.kernel_approximation.AdditiveChi2Sampler: 此核的傅里叶逼近。

注释

作为距离的负数，此核仅条件正定。

参考文献

Zhang, J. and Marszalek, M. and Lazebnik, S. and Schmid, C. Local features and kernels for classification of texture and object categories: A comprehensive study International Journal of Computer Vision 2007 https://hal.archives-ouvertes.fr/hal-00171412/document

示例

>>> from sklearn.metrics.pairwise import additive_chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> additive_chi2_kernel(X, Y)
array([[-1., -2.],
       [-2., -1.]])