白核#

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

白核。

该核的主要用途是作为和核的一部分，它解释信号的噪声为独立同分布的正态分布。参数noise_level等于该噪声的方差。

\[k(x_1, x_2) = noise\_level \text{ if } x_i == x_j \text{ else } 0\]

更多信息请阅读 用户指南。

0.18版本新增。

参数：
noise_levelfloat, default=1.0

控制噪声水平（方差）的参数。

noise_level_boundspair of floats >= 0 or “fixed”, default=(1e-5, 1e5)

‘noise_level’ 的下限和上限。如果设置为“fixed”，“noise_level”在超参数调整期间不能更改。

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)[source]#

返回核 k(X, Y) 及其梯度（可选）。

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

返回的核函数 k(X, Y) 的左参数

Yarray-like of shape (n_samples_X, n_features) 或对象列表，默认为 None

返回的核函数 k(X, Y) 的右参数。如果为 None，则计算 k(X, X)。

eval_gradientbool，默认为 False

确定是否计算关于核超参数对数的梯度。仅当 Y 为 None 时支持。

返回:
Kshape 为 (n_samples_X, n_samples_Y) 的 ndarray

核函数 k(X, Y)

K_gradientshape 为 (n_samples_X, n_samples_X, n_dims) 的 ndarray，可选

核函数 k(X, X) 关于核超参数对数的梯度。仅当 eval_gradient 为 True 时返回。

属性 bounds#

返回 theta 的对数变换边界。

返回:
boundsshape 为 (n_dims, 2) 的 ndarray

核超参数 theta 的对数变换边界

clone_with_theta(theta)[source]#

返回具有给定超参数 theta 的自身的克隆。

参数：
thetashape 为 (n_dims,) 的 ndarray

超参数

diag(X)[source]#

返回核函数 k(X, X) 的对角线。

此方法的结果与 np.diag(self(X)) 相同；但是，它可以更有效地计算，因为只计算对角线。

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

核函数的参数。

返回:
K_diagshape 为 (n_samples_X,) 的 ndarray

核函数 k(X, X) 的对角线

get_params(deep=True)[source]#

获取此核的参数。

参数：
deepbool，默认为 True

如果为 True，则将返回此估计量以及作为估计量的包含子对象的参数。

返回:
paramsdict

参数名称映射到其值。

属性 hyperparameters#

返回所有超参数规范的列表。

is_stationary()[source]#

返回核函数是否平稳。

属性 n_dims#

返回核函数的非固定超参数的数量。

属性 requires_vector_input#

该核函数是否仅适用于固定长度的特征向量。

set_params(**params)[source]#

设置此核的参数。

此方法适用于简单核函数以及嵌套核函数。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
属性 theta#

返回（扁平化、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，因为搜索空间的这种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:
thetashape 为 (n_dims,) 的 ndarray

核函数的非固定、对数变换的超参数