additive_chi2_kernel#

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

计算 X 和 Y 中观测值之间的可加卡方核。

卡方核在 X 和 Y 中的每对行之间计算。X 和 Y 必须是非负的。此核最常应用于直方图。

卡方核由以下公式给出

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

它可解释为每项的加权差。

详情请参阅用户指南。

参数:

X形状类似 (n_samples_X, n_features) 的数组: 一个特征数组。
Y形状类似 (n_samples_Y, n_features) 的数组, 默认值=None: 一个可选的第二个特征数组。如果为None，则使用Y=X。

返回:

kernel形状类似 (n_samples_X, n_samples_Y) 的数组: 核矩阵。

另请参阅

chi2_kernel: 核的指数化版本，通常更可取。
sklearn.kernel_approximation.AdditiveChi2Sampler: 此核的傅里叶近似。

注释

作为距离的负值，此核仅是条件正定的。

参考文献

Zhang, J. and Marszalek, M. and Lazebnik, S. and Schmid, C. 用于纹理和对象类别分类的局部特征与核：一项综合研究 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.]])

additive_chi2_kernel#

本页