additive_chi2_kernel#

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

计算 X 和 Y 中的观测值之间的加性卡方核。

在 X 和 Y 的每一行对之间计算卡方核。X 和 Y 必须是非负的。该核函数最常用于直方图。

卡方核定义如下：

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

它可以解释为每个条目的加权差值。

在用户指南中阅读更多内容。

参数:

X形状为 (n_samples_X, n_features) 的类数组对象: 特征数组。
Y形状为 (n_samples_Y, n_features) 的类数组对象, default=None: 可选的第二个特征数组。如果为 None，则使用 Y=X。

返回:

kernel形状为 (n_samples_X, n_samples_Y) 的类数组对象: 核矩阵。

另请参阅

chi2_kernel: 该核函数的指数版本，通常更受推荐。
sklearn.kernel_approximation.AdditiveChi2Sampler: 该核函数的傅里叶近似。

注意事项

作为距离的负值，该核函数仅是条件正定的。

References

Zhang, J. and Marszalek, M. and Lazebnik, S. and Schmid, C. Local features and kernels for classification of texture and object categories: A comprehensive study 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.]])