CompoundKernel#

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)[source]#

由一组其他核组成的核。

版本 0.18 新增。

参数:

kernelslist of Kernels: The other kernels

示例

>>> from sklearn.gaussian_process.kernels import WhiteKernel
>>> from sklearn.gaussian_process.kernels import RBF
>>> from sklearn.gaussian_process.kernels import CompoundKernel
>>> kernel = CompoundKernel(
...     [WhiteKernel(noise_level=3.0), RBF(length_scale=2.0)])
>>> print(kernel.bounds)
[[-11.51292546  11.51292546]
 [-11.51292546  11.51292546]]
>>> print(kernel.n_dims)
2
>>> print(kernel.theta)
[1.09861229 0.69314718]

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

返回核 k(X, Y) 及其可选的梯度。

Note that this compound kernel returns the results of all simple kernel stacked along an additional axis.

参数:

Xarray-like of shape (n_samples_X, n_features) or list of object, default=None: 返回的核 k(X, Y) 的左参数
Yarray-like of shape (n_samples_X, n_features) or list of object, default=None: 返回核 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。

返回:

Kndarray of shape (n_samples_X, n_samples_Y, n_kernels): 核 k(X, Y)
K_gradientndarray of shape (n_samples_X, n_samples_X, n_dims, n_kernels), optional: 核 k(X, X) 关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:

boundsarray of shape (n_dims, 2): 核超参数 theta 的对数变换边界

clone_with_theta(theta)[source]#

返回 self 的克隆，具有给定的超参数 theta。

参数:

thetandarray of shape (n_dims,): 超参数

diag(X)[source]#

返回核 k(X, X) 的对角线。

The result of this method is identical to np.diag(self(X)); however, it can be evaluated more efficiently since only the diagonal is evaluated.

参数:

Xarray-like of shape (n_samples_X, n_features) or list of object: 核的参数。

返回:

K_diagndarray of shape (n_samples_X, n_kernels): 核 k(X, X) 的对角线

get_params(deep=True)[source]#

获取此核的参数。

参数:

deepbool, default=True: 如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）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]#: 返回核是否平稳。

property n_dims#: 返回核的非固定超参数的数量。

property requires_vector_input#: Returns whether the kernel is defined on discrete structures.

set_params(**params)[source]#

设置此核的参数。

此方法适用于简单核以及嵌套核。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

返回:

self

property theta#

返回（展平的、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形式更适合超参数搜索，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:

thetandarray of shape (n_dims,): 核的非固定、对数变换超参数

CompoundKernel#

本页