多项式核#

sklearn.metrics.pairwise.polynomial_kernel(X, Y=None, degree=3, gamma=None, coef0=1)[source]#

计算X和Y之间的多项式核。

K(X, Y) = (gamma <X, Y> + coef0) ^ degree

更多信息请阅读用户指南。

参数：

X形状为 (n_samples_X, n_features) 的 {数组、稀疏矩阵}: 特征数组。
Y形状为 (n_samples_Y, n_features) 的 {数组、稀疏矩阵}，默认为 None: 可选的第二个特征数组。如果为 None，则使用 Y=X。
degree浮点数，默认为 3: 核函数的阶数。
gamma浮点数，默认为 None: 向量内积的系数。如果为 None，则默认为 1.0 / n_features。
coef0浮点数，默认为 1: 添加到缩放内积的常数偏移量。

返回：

kernel形状为 (n_samples_X, n_samples_Y) 的 ndarray: 多项式核。

示例

>>> from sklearn.metrics.pairwise import polynomial_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> polynomial_kernel(X, Y, degree=2)
array([[1.     , 1.     ],
       [1.77..., 2.77...]])