成对核 #

sklearn.metrics.pairwise.pairwise_kernels(X, Y=None, metric='linear', *, filter_params=False, n_jobs=None, **kwds)[source]#

计算数组X和可选数组Y之间的核。

此方法接受向量数组或核矩阵，并返回一个核矩阵。如果输入是向量数组，则计算核。如果输入是核矩阵，则直接返回它。

此方法提供了一种安全的方式来将核矩阵作为输入，同时保持与许多其他接受向量数组的算法的兼容性。

如果给出Y（默认为None），则返回的矩阵是X和Y中数组之间的成对核。

metric的有效值为：: ['additive_chi2', 'chi2', 'linear', 'poly', 'polynomial', 'rbf', 'laplacian', 'sigmoid', 'cosine']

更多信息请阅读用户指南。

参数：

X形状为 (n_samples_X, n_samples_X) 或 (n_samples_X, n_features) 的 {array-like, sparse matrix}

样本之间的成对核数组，或特征数组。如果 metric == "precomputed"，则数组的形状应为 (n_samples_X, n_samples_X)，否则为 (n_samples_X, n_features)。

Y形状为 (n_samples_Y, n_features) 的 {array-like, sparse matrix}，默认为 None

第二个特征数组，仅当 X 的形状为 (n_samples_X, n_features) 时。

metricstr 或 callable，默认为 “linear”

用于计算特征数组中实例之间核函数的度量标准。如果 metric 是字符串，它必须是 pairwise.PAIRWISE_KERNEL_FUNCTIONS 中的度量标准之一。如果 metric 为“precomputed”，则假定 X 为核矩阵。或者，如果 metric 是一个可调用函数，则它将对每一对实例（行）调用，并记录结果值。该可调用函数应将 X 中的两行作为输入，并返回相应的核值作为一个单个数值。这意味着不允许使用 sklearn.metrics.pairwise 中的可调用函数，因为它们操作的是矩阵，而不是单个样本。请改用标识核函数的字符串。

filter_params布尔值，默认值=False

是否过滤无效参数。

n_jobs整数，默认值=None

用于计算的作业数。这是通过将成对矩阵分解成 n_jobs 个均匀切片并使用多线程计算它们来实现的。

None 表示 1，除非在 joblib.parallel_backend 上下文中。-1 表示使用所有处理器。详情请参见词汇表。

**kwds可选关键字参数

任何其他参数都将直接传递给核函数。

返回:

K形状为 (n_samples_X, n_samples_X) 或 (n_samples_X, n_samples_Y) 的 ndarray: 一个核矩阵 K，如果 Y 为 None，则 K_{i, j} 是给定矩阵 X 的第 i 个和第 j 个向量之间的核函数。如果 Y 不为 None，则 K_{i, j} 是 X 的第 i 个数组和 Y 的第 j 个数组之间的核函数。

注释

如果 metric 为“precomputed”，则忽略 Y 并返回 X。

示例

>>> from sklearn.metrics.pairwise import pairwise_kernels
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> pairwise_kernels(X, Y, metric='linear')
array([[0., 0.],
       [1., 2.]])