WhiteKernel#

class sklearn.gaussian_process.kernels.WhiteKernel(noise_level=1.0, noise_level_bounds=(1e-05, 100000.0))[源码]#

白核。

该核的主要用例是作为和核的一部分，它将信号噪声解释为独立同分布的正态分布。参数 noise_level 等于此噪声的方差。

\[k(x_1, x_2) = \text{噪声水平 如果 } x_i == x_j \text{ 否则为 } 0\]

在用户指南中阅读更多内容。

0.18 版本新增。

参数:
noise_levelfloat, 默认=1.0

控制噪声水平（方差）的参数

noise_level_boundsfloat 类型元组 (下限, 上限) >= 0 或 "fixed", 默认=(1e-5, 1e5)

‘noise_level’的下限和上限。如果设置为“fixed”，则‘noise_level’在超参数调优期间无法更改。

示例

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import DotProduct, WhiteKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = DotProduct() + WhiteKernel(noise_level=0.5)
>>> gpr = GaussianProcessRegressor(kernel=kernel,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
0.3680
>>> gpr.predict(X[:2,:], return_std=True)
(array([653.0, 592.1 ]), array([316.6, 316.6]))
__call__(X, Y=None, eval_gradient=False)[源码]#

返回核 k(X, Y) 及其可选的梯度。

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

返回核 k(X, Y) 的左侧参数

Y形状为 (n_samples_X, n_features) 的类数组对象或对象列表, 默认=None

返回核 k(X, Y) 的右侧参数。如果为 None，则评估 k(X, X)。

eval_gradientbool, 默认=False

确定是否计算核超参数对数形式的梯度。仅当 Y 为 None 时支持。

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

核 k(X, Y)

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

核 k(X, X) 对核超参数对数形式的梯度。仅当 eval_gradient 为 True 时返回。

property bounds#

返回 theta 的对数变换边界。

返回:
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)[源码]#

返回一个使用给定超参数 theta 的 self 克隆。

参数:
theta形状为 (n_dims,) 的 ndarray

超参数

diag(X)[源码]#

返回核 k(X, X) 的对角线。

此方法的结果与 np.diag(self(X)) 相同；然而，它能更有效地评估，因为它只评估对角线。

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

核的参数。

返回:
K_diag形状为 (n_samples_X,) 的 ndarray

核 k(X, X) 的对角线

get_params(deep=True)[源码]#

获取此核的参数。

参数:
deepbool, 默认=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()[源码]#

返回核是否是平稳的。

property n_dims#

返回核的非固定超参数的数量。

property requires_vector_input#

核是否仅适用于固定长度的特征向量。

set_params(**params)[源码]#

设置此核的参数。

该方法适用于简单核以及嵌套核。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:
self
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

核的非固定、对数变换超参数