S形核#

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

计算X和Y之间的S形核。

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

更多信息请参见用户指南。

参数：

X形状为(n_samples_X, n_features)的{类数组，稀疏矩阵}: 特征数组。
Y形状为(n_samples_Y, n_features)的{类数组，稀疏矩阵}，默认为None: 可选的第二个特征数组。如果为None，则使用Y=X。
gamma浮点数，默认为None: 向量内积的系数。如果为None，则默认为1.0 / n_features。
coef0浮点数，默认为1: 添加到缩放内积的常数偏移量。

返回值：

核函数 (kernel)形状为 (n_samples_X, n_samples_Y) 的 ndarray: 两个数组之间的 Sigmoid 核函数。

示例

>>> from sklearn.metrics.pairwise import sigmoid_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> sigmoid_kernel(X, Y)
array([[0.76..., 0.76...],
       [0.87..., 0.93...]])