pairwise_kernels#

sklearn.metrics.pairwise.pairwise_kernels(X, Y=None, metric='linear', *, filter_params=False, n_jobs=None, **kwds)[Quelle]#

Berechne den Kernel zwischen den Arrays X und einem optionalen Array Y.

Diese Funktion nimmt ein oder zwei Feature-Arrays oder eine Kernel-Matrix und gibt eine Kernel-Matrix zurück.

Wenn X ein Feature-Array der Form (n_samples_X, n_features) ist und
- Y None ist und metric nicht „precomputed“ ist, werden die paarweisen Kernel zwischen X und sich selbst zurückgegeben.
- Y ein Feature-Array der Form (n_samples_Y, n_features) ist, werden die paarweisen Kernel zwischen X und Y zurückgegeben.
Wenn X eine Kernel-Matrix der Form (n_samples_X, n_samples_X) ist, sollte metric „precomputed“ sein. Y wird daher ignoriert und X wird unverändert zurückgegeben.

Diese Methode bietet eine sichere Möglichkeit, eine Kernel-Matrix als Eingabe zu verwenden und gleichzeitig die Kompatibilität mit vielen anderen Algorithmen zu erhalten, die Vektor-Arrays als Eingabe akzeptieren.

Gültige Werte für metric sind: [‘additive_chi2’, ‘chi2’, ‘linear’, ‘poly’, ‘polynomial’, ‘rbf’, ‘laplacian’, ‘sigmoid’, ‘cosine’]

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

X{array-artig, sparsen Matrix} von Form (n_samples_X, n_samples_X) oder (n_samples_X, n_features)

Array von paarweisen Kerneln zwischen den Samples oder ein Feature-Array. Die Form des Arrays sollte (n_samples_X, n_samples_X) sein, wenn metric == „precomputed“ ist, andernfalls (n_samples_X, n_features).

Y{array-like, sparse matrix} der Form (n_samples_Y, n_features), Standard=None

Ein zweites Feature-Array nur, wenn X die Form (n_samples_X, n_features) hat.

metricstr oder aufrufbar, Standardwert=„linear“

Die Metrik, die beim Berechnen des Kernels zwischen Instanzen in einem Feature-Array verwendet wird. Wenn metric ein String ist, muss er eine der Metriken in pairwise.PAIRWISE_KERNEL_FUNCTIONS sein. Wenn metric „precomputed“ ist, wird davon ausgegangen, dass X eine Kernel-Matrix ist. Alternativ, wenn metric eine aufrufbare Funktion ist, wird sie für jedes Paar von Instanzen (Zeilen) aufgerufen und der resultierende Wert aufgezeichnet. Die aufrufbare Funktion sollte zwei Zeilen aus X als Eingabe nehmen und den entsprechenden Kernel-Wert als einzelne Zahl zurückgeben. Das bedeutet, dass aufrufbare Funktionen aus sklearn.metrics.pairwise nicht zulässig sind, da sie auf Matrizen und nicht auf einzelnen Samples operieren. Verwenden Sie stattdessen den String, der den Kernel identifiziert.

filter_paramsbool, Standardwert=False

Ob ungültige Parameter gefiltert werden sollen oder nicht.

n_jobsint, default=None

Die Anzahl der zu verwendenden Jobs für die Berechnung. Dies geschieht, indem die paarweise Matrix in n_jobs gleiche Scheiben unterteilt und diese mittels Multithreading berechnet werden.

None bedeutet 1, außer in einem joblib.parallel_backend Kontext. -1 bedeutet die Verwendung aller Prozessoren. Siehe Glossar für weitere Details.

**kwdsoptionale Schlüsselwortparameter

Alle weiteren Parameter werden direkt an die Kernel-Funktion weitergegeben.

Gibt zurück:

Kndarray der Form (n_samples_X, n_samples_X) oder (n_samples_X, n_samples_Y): Eine Kernel-Matrix K, so dass K_{i, j} der Kernel zwischen dem i-ten und j-ten Vektor der gegebenen Matrix X ist, wenn Y None ist. Wenn Y nicht None ist, dann ist K_{i, j} der Kernel zwischen dem i-ten Array aus X und dem j-ten Array aus Y.

Anmerkungen

Wenn metric aufrufbar ist, gibt es keine Einschränkungen hinsichtlich der Dimensionen von X und Y.

Beispiele

>>> from sklearn.metrics.pairwise import pairwise_kernels
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> pairwise_kernels(X, Y, metric='linear')
array([[0., 0.],
       [1., 2.]])

pairwise_kernels#

Diese Seite