Сумма

класс sklearn.gaussian_process.kernels.Сумма(k1, k2)

The Sum ядро принимает два ядра \(k_1\) и \(k_2\) и объединяет их через

\[k_{sum}(X, Y) = k_1(X, Y) + k_2(X, Y)\]

Обратите внимание, что __add__ магический метод переопределён, поэтому Sum(RBF(), RBF()) эквивалентно использованию оператора + с RBF() + RBF().

Подробнее в Руководство пользователя.

Добавлено в версии 0.18.

Параметры:

k1Ядро

Первый базовый ядро суммы ядер

k2Ядро

Второе базовое ядро суммы ядер

Примеры

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import RBF, Sum, ConstantKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = Sum(ConstantKernel(2), RBF())
>>> gpr = GaussianProcessRegressor(kernel=kernel,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
1.0
>>> kernel
1.41**2 + RBF(length_scale=1)

__call__(X, Y=None, eval_gradient=False)

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

Параметры:

Xarray-like формы (n_samples_X, n_features) или list of object

Левый аргумент возвращаемого ядра k(X, Y)

Yarray-like формы (n_samples_X, n_features) или list of object, по умолчанию=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)

Страница бенчмарков

K_gradientndarray формы (n_samples_X, n_samples_X, n_dims), необязательный

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:

границыndarray формы (n_dims, 2)

Логарифмически преобразованные границы гиперпараметров theta ядра

clone_with_theta(theta)

Возвращает клон self с заданными гиперпараметрами theta.

Параметры:

thetandarray формы (n_dims,)

Гиперпараметры

диаг(X)

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,)

Диагональ ядра k(X, X)

get_params(глубокий=True)

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 гиперпараметров.

is_stationary()

Возвращает, является ли ядро стационарным.

свойство n_dims

Возвращает количество нефиксированных гиперпараметров ядра.

свойство requires_vector_input

Возвращает, является ли ядро стационарным.

set_params(**params)

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