laplacian_kernel#

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

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 中的每行 x 和 Y 中的每行 y。更多信息请参阅用户指南。

在 0.17 版本中添加。

参数:

X{array-like, 稀疏矩阵}，形状为 (n_samples_X, n_features): 一个特征数组。
Y{array-like, 稀疏矩阵}，形状为 (n_samples_Y, n_features)，默认为 None: 可选的第二个特征数组。如果为 None，则使用 Y=X。
gamma浮点数，默认为 None: 如果为 None，则默认为 1.0 / n_features。否则应为严格正数。

返回:

kernelndarray，形状为 (n_samples_X, n_samples_Y): 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]])

laplacian_kernel#

本页