ConstantKernel#

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

常数核函数。

可用作积核的一部分，用于缩放其他因子（核）的大小；或用作和核的一部分，用于修改高斯过程的均值。

\[k(x_1, x_2) = 常量 \;\text{对于所有}\; x_1, x_2\]

添加一个常数核函数等同于添加一个常数。

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

与此相同

kernel = RBF() + 2

在用户指南中阅读更多内容。

版本 0.18 新增。

参数:
constant_valuefloat, default=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", default=(1e-5, 1e5)

constant_value 的下限和上限。如果设置为 "fixed"，则在超参数调优期间constant_value 无法更改。

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([0.248]))
__call__(X, Y=None, eval_gradient=False)[source]#

返回核函数 k(X, Y) 及其可选的梯度。

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

返回的核函数 k(X, Y) 的左参数。

Y类数组，形状为 (n_samples_X, n_features) 或对象列表, default=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_gradientbool, default=False

确定是否计算关于核超参数对数的梯度。仅当 Y 为 None 时支持。

返回:
Kndarray, 形状为 (n_samples_X, n_samples_Y)

核函数 k(X, Y)

K_gradientndarray, 形状为 (n_samples_X, n_samples_X, n_dims), 可选

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

property bounds#

返回 theta 的对数变换边界。

返回:
boundsndarray, 形状为 (n_dims, 2)

核函数超参数 theta 的对数变换边界。

clone_with_theta(theta)[source]#

返回一个具有给定超参数 theta 的 self 克隆。

参数:
thetandarray, 形状为 (n_dims,)

超参数

diag(X)[source]#

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，因此可以更高效地评估。

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

核函数的参数。

返回:
K_diagndarray, 形状为 (n_samples_X,)

核函数 k(X, X) 的对角线

get_params(deep=True)[source]#

获取此核函数的参数。

参数:
deepbool, default=True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
paramsdict

参数名称映射到其值。

property hyperparameters#

返回所有超参数规范的列表。

is_stationary()[source]#

返回核函数是否是平稳的。

property n_dims#

返回核函数非固定超参数的数量。

property requires_vector_input#

核函数是否仅适用于定长特征向量。

set_params(**params)[source]#

设置此核函数的参数。

此方法适用于简单核函数和嵌套核函数。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

返回:
自身
property theta#

返回（扁平化的、对数变换的）非固定超参数。

请注意，theta 通常是核函数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，因为诸如长度尺度之类的超参数自然地存在于对数尺度上。

返回:
thetandarray, 形状为 (n_dims,)

核函数的非固定、对数变换超参数。