additive_chi2_kernel

sklearn.metrics.pairwise.additive_chi2_kernel(X, Y=None)

Berechne den additiven Chi-Quadrat-Kernel zwischen Beobachtungen in X und Y.

Der Chi-Quadrat-Kernel wird zwischen jedem Paar von Zeilen in X und Y berechnet. X und Y müssen nicht-negativ sein. Dieser Kernel wird am häufigsten auf Histogramme angewendet.

Der Chi-Quadrat-Kernel ist gegeben durch

k(x, y) = -Sum [(x - y)^2 / (x + y)]

Er kann als gewichtete Differenz pro Eintrag interpretiert werden.

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

Xarray-like, Form (n_samples_X, n_features)

Ein Merkmals-Array.

Yarray-like, Form (n_samples_Y, n_features), Standardwert=None

Ein optionales zweites Merkmals-Array. Wenn None, wird Y=X verwendet.

Gibt zurück:

kernelarray-like mit der Form (n_samples_X, n_samples_Y)

Die Kernel-Matrix.

Siehe auch

chi2_kernel

Die exponentierte Version des Kernels, die in der Regel vorzuziehen ist.

sklearn.kernel_approximation.AdditiveChi2Sampler

Eine Fourier-Approximation für diesen Kernel.

Anmerkungen

Als Negativ einer Distanz ist dieser Kernel nur bedingt positiv definit.

Referenzen

• Zhang, J. und Marszalek, M. und Lazebnik, S. und Schmid, C. Local features and kernels for classification of texture and object categories: A comprehensive study International Journal of Computer Vision 2007 https://hal.archives-ouvertes.fr/hal-00171412/document

Beispiele

>>> from sklearn.metrics.pairwise import additive_chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> additive_chi2_kernel(X, Y)
array([[-1., -2.],
       [-2., -1.]])