linear_kernel#

sklearn.metrics.pairwise.linear_kernel(X, Y=None, dense_output=True)[source]#

计算 X 和 Y 之间的线性核。

在用户指南中了解更多信息。

参数:

X{array-like, sparse matrix} of shape (n_samples_X, n_features): 特征数组。
Y{array-like, sparse matrix} of shape (n_samples_Y, n_features), default=None: 可选的第二个特征数组。如果为 None，则使用 Y=X。
dense_outputbool, default=True: 即使输入是稀疏的，是否返回密集输出。如果为 False，则当两个输入数组都是稀疏时，输出也是稀疏的。

0.20 版本新增。

返回:

kernel形状为 (n_samples_X, n_samples_Y) 的 ndarray: 线性核的格拉姆矩阵，即 X @ Y.T。

示例

>>> from sklearn.metrics.pairwise import linear_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> linear_kernel(X, Y)
array([[0., 0.],
       [1., 2.]])

linear_kernel#

本页