polynomial_kernel#

sklearn.metrics.pairwise.polynomial_kernel(X, Y=None, degree=3, gamma=None, coef0=1)[source]#

计算 X 和 Y 之间的多项式核。

K(X, Y) = (gamma <X, Y> + coef0) ^ degree

在用户指南中阅读更多内容。

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。
degreefloat, default=3: 核函数的度数。
gammafloat, default=None: 向量内积的系数。如果为None，则默认为 1.0 / n_features。
coef0float, default=1: 添加到缩放内积的常数偏移量。

返回:

kernel形状为 (n_samples_X, n_samples_Y) 的 ndarray: 多项式核。

示例

>>> from sklearn.metrics.pairwise import polynomial_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> polynomial_kernel(X, Y, degree=2)
array([[1.     , 1.     ],
       [1.77, 2.77]])

polynomial_kernel#

本页