CompoundKernel#

класс sklearn.gaussian_process.kernels.CompoundKernel(kernels)[источник]#

Ядро, которое состоит из набора других ядер.

Добавлено в версии 0.18.

Параметры:

kernelsсписок ядер: Другие ядра

Примеры

>>> from sklearn.gaussian_process.kernels import WhiteKernel
>>> from sklearn.gaussian_process.kernels import RBF
>>> from sklearn.gaussian_process.kernels import CompoundKernel
>>> kernel = CompoundKernel(
...     [WhiteKernel(noise_level=3.0), RBF(length_scale=2.0)])
>>> print(kernel.bounds)
[[-11.51292546  11.51292546]
 [-11.51292546  11.51292546]]
>>> print(kernel.n_dims)
2
>>> print(kernel.theta)
[1.09861229 0.69314718]

__call__(X, Y=None, eval_gradient=False)[источник]#

Возвращает ядро k(X, Y) и, опционально, его градиент.

Обратите внимание, что это составное ядро возвращает результаты всех простых ядер, уложенных вдоль дополнительной оси.

Параметры:

Xarray-like формы (n_samples_X, n_features) или list of object, default=None: Левый аргумент возвращаемого ядра k(X, Y)
Yarray-like формы (n_samples_X, n_features) или list of object, default=None: Правый аргумент возвращаемого ядра k(X, Y). Если None, вместо этого оценивается k(X, X).
eval_gradientbool, по умолчанию=False: Определяет, вычисляется ли градиент по логарифму гиперпараметра ядра.

Возвращает:

Kndarray формы (n_samples_X, n_samples_Y, n_kernels): Страница бенчмарков
K_gradientndarray формы (n_samples_X, n_samples_X, n_dims, n_kernels), опционально: Градиент ядра k(X, X) по логарифму гиперпараметра ядра. Возвращается только когда eval_gradient равно True.

свойство границы#

Возвращает логарифмически преобразованные границы для theta.

Возвращает:

границымассив формы (n_dims, 2): Логарифмически преобразованные границы гиперпараметров theta ядра

clone_with_theta(theta)[источник]#

Возвращает клон self с заданными гиперпараметрами theta.

Параметры:

thetandarray формы (n_dims,): Гиперпараметры

диаг(X)[источник]#

Возвращает диагональ ядра k(X, X).

Размер изображения, которое будет восстановлено. np.diag(self(X)); однако, она может быть вычислена более эффективно, поскольку оценивается только диагональ.

Параметры:

Xarray-like формы (n_samples_X, n_features) или list of object: Аргумент ядра.

Возвращает:

K_diagndarray формы (n_samples_X, n_kernels): Диагональ ядра k(X, X)

get_params(глубокий=True)[источник]#

Получить параметры этого ядра.

Параметры:

глубокийbool, по умолчанию=True: Если True, вернет параметры для этого оценщика и вложенных подобъектов, которые являются оценщиками.

Возвращает:

paramsdict: Имена параметров, сопоставленные с их значениями.

свойство гиперпараметры#: Возвращает список всех спецификаций гиперпараметров.

is_stationary()[источник]#: Возвращает, является ли ядро стационарным.

свойство n_dims#: Возвращает количество нефиксированных гиперпараметров ядра.

свойство requires_vector_input#: Возвращает, определено ли ядро на дискретных структурах.

set_params(**params)[источник]#

Установите параметры этого ядра.

Метод работает как на простых ядрах, так и на вложенных ядрах. Последние имеют параметры вида __ чтобы можно было обновить каждый компонент вложенного объекта.

Возвращает:

self

свойство theta#

Возвращает (сглаженные, логарифмически преобразованные) нефиксированные гиперпараметры.

Обратите внимание, что theta обычно являются логарифмически преобразованными значениями гиперпараметров ядра, так как это представление пространства поиска более подходит для поиска гиперпараметров, поскольку гиперпараметры, такие как масштабы длины, естественно существуют в логарифмическом масштабе.

Возвращает:

thetandarray формы (n_dims,): Нефиксированные, логарифмически преобразованные гиперпараметры ядра

CompoundKernel#

Эта страница