polynomial_kernel

sklearn.metrics.pairwise.polynomial_kernel(X, Y=None, degree=3, gamma=None, coef0=1)

Berechne den Polynom-Kernel zwischen X und Y.

K(X, Y) = (gamma <X, Y> + coef0) ^ degree

Mehr dazu im Benutzerhandbuch.

Parameter:

X{array-like, sparse matrix} der Form (n_samples_X, n_features)

Ein Merkmals-Array.

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

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

degreefloat, Standard=3

Grad des Kernels.

gammafloat, Standard=None

Koeffizient des Vektor-Skalarprodukts. Wenn None, ist der Standardwert 1.0 / n_features.

coef0float, Standard=1

Konstante Verschiebung, die zum skalierten Skalarprodukt addiert wird.

Gibt zurück:

kernelndarray der Form (n_samples_X, n_samples_Y)

Der Polynom-Kernel.

Beispiele

>>> from sklearn.metrics.pairwise import polynomial_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> polynomial_kernel(X, Y, degree=2)
array([[1.     , 1.     ],
       [1.77, 2.77]])