rbf_kernel#
- sklearn.metrics.pairwise.rbf_kernel(X, Y=None, gamma=None)[источник]#
Вычислить rbf (гауссово) ядро между X и Y.
K(x, y) = exp(-gamma ||x-y||^2)
для каждой пары строк x в X и y в Y.
Подробнее в Руководство пользователя.
- Параметры:
- X{array-like, sparse matrix} формы (n_samples_X, n_features)
Массив признаков.
- Y{array-like, sparse matrix} формы (n_samples_Y, n_features), по умолчанию=None
Необязательный второй массив признаков. Если
None, используетY=X.- gammafloat, по умолчанию=None
Если None, по умолчанию равно 1.0 / n_features.
- Возвращает:
- ядроndarray формы (n_samples_X, n_samples_Y)
Ядро RBF.
Примеры
>>> from sklearn.metrics.pairwise import rbf_kernel >>> X = [[0, 0, 0], [1, 1, 1]] >>> Y = [[1, 0, 0], [1, 1, 0]] >>> rbf_kernel(X, Y) array([[0.71, 0.51], [0.51, 0.71]])
Примеры галереи#
Граница решения полуконтролируемых классификаторов против SVM на наборе данных Iris
Граница решения полуконтролируемых классификаторов против SVM на наборе данных Iris