拉普拉斯核#

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

计算 X 和 Y 之间的拉普拉斯核。

拉普拉斯核定义为：

K(x, y) = exp(-gamma ||x-y||_1)

对于 X 中的每一行 x 和 Y 中的每一行 y。更多信息请阅读用户指南。

0.17 版本新增。

参数：

X{array-like, sparse matrix} 形状为 (n_samples_X, n_features): 特征数组。
Y{array-like, sparse matrix} 形状为 (n_samples_Y, n_features), 默认值=None: 可选的第二个特征数组。如果为 None，则使用 Y=X。
gammafloat, 默认值=None: 如果为 None，则默认为 1.0 / n_features。否则应为严格正数。

返回：

kernel形状为 (n_samples_X, n_samples_Y) 的 ndarray: 核矩阵。

示例

>>> from sklearn.metrics.pairwise import laplacian_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> laplacian_kernel(X, Y)
array([[0.71..., 0.51...],
       [0.51..., 0.71...]])