sigmoid_kernel

sklearn.metrics.pairwise.sigmoid_kernel(X, Y=None, gamma=None, coef0=1)

计算 X 和 Y 之间的 sigmoid 核。

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

在用户指南中了解更多。

参数:

X{类数组, 稀疏矩阵} 形状为 (n_samples_X, n_features)

特征数组。

Y{类数组, 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

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

两个数组之间的 Sigmoid 核。

示例

>>> from sklearn.metrics.pairwise import sigmoid_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> sigmoid_kernel(X, Y)
array([[0.76, 0.76],
       [0.87, 0.93]])