CompoundKernel#

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)#

核函数，由一组其他核函数组成。

Added in version 0.18.

Parameters:

kernelslist of Kernels: 其他核函数

Examples

>>> from sklearn.gaussian_process.kernels import WhiteKernel
>>> from sklearn.gaussian_process.kernels import RBF
>>> from sklearn.gaussian_process.kernels import CompoundKernel
>>> kernel = CompoundKernel(
...     [WhiteKernel(noise_level=3.0), RBF(length_scale=2.0)])
>>> print(kernel.bounds)
[[-11.51292546  11.51292546]
 [-11.51292546  11.51292546]]
>>> print(kernel.n_dims)
2
>>> print(kernel.theta)
[1.09861229 0.69314718]

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

返回核函数 k(X, Y) 及其梯度（可选）。

请注意，这个复合核函数返回所有简单核函数的结果，这些结果沿着一个额外的轴堆叠。

Parameters:

X数组类对象，形状为 (n_samples_X, n_features) 或对象列表, 默认=None: 返回核函数 k(X, Y) 的左参数
Y数组类对象，形状为 (n_samples_X, n_features) 或对象列表, 默认=None: 返回核函数 k(X, Y) 的右参数。如果为 None，则计算 k(X, X)。
eval_gradientbool, 默认=False: 确定是否计算关于核函数超参数对数的梯度。

Returns:

Kndarray，形状为 (n_samples_X, n_samples_Y, n_kernels): 核函数 k(X, Y)
K_gradientndarray，形状为 (n_samples_X, n_samples_X, n_dims, n_kernels), 可选: 核函数 k(X, X) 关于核函数超参数对数的梯度。仅当 eval_gradient 为 True 时返回。

property bounds#

返回对theta进行对数变换后的边界。

Returns:

bounds形状为(n_dims, 2)的数组: 核函数超参数theta的对数变换边界

clone_with_theta(theta)#

返回具有给定超参数 theta 的自身克隆。

Parameters:

thetandarray of shape (n_dims,): 超参数

diag(X)#

返回核 k(X, X) 的对角线。

此方法的结果与 np.diag(self(X)) 相同；然而，它可以更高效地进行评估，因为只评估对角线。

Parameters:

Xarray-like of shape (n_samples_X, n_features) or list of object: 核的参数。

Returns:

K_diagndarray of shape (n_samples_X, n_kernels): 核 k(X, X) 的对角线

get_params(deep=True)#

获取此内核的参数。

Parameters:

deepbool, 默认=True: 如果为True，将返回此估计器及其包含的作为估计器的子对象的参数。

Returns:

paramsdict: 参数名称映射到它们的值。

property hyperparameters#: 返回所有超参数规范的列表。

is_stationary()#: 返回内核是否是平稳的。

property n_dims#: 返回内核的非固定超参数的数量。

property requires_vector_input#: 返回内核是否定义在离散结构上。

set_params(**params)#

设置此内核的参数。

该方法适用于简单内核和嵌套内核。后者具有形式为 <component>__<parameter> 的参数，因此可以更新嵌套对象的每个组件。

Returns:

self

property theta#

返回非固定超参数的（扁平化、对数变换后的）值。

注意，theta通常是内核超参数的对数变换值，因为这种搜索空间的表示更适合超参数搜索，例如长度尺度等超参数自然存在于对数尺度上。

Returns:

thetandarray of shape (n_dims,): 内核的非固定、对数变换后的超参数