polynomial_kernel

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

计算X和Y之间的多项式核。

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

更多信息请参阅 用户指南 。

Parameters:

X{array-like, sparse matrix}，形状为 (n_samples_X, n_features)

一个特征数组。

Y{array-like, sparse matrix}，形状为 (n_samples_Y, n_features)，默认=None

一个可选的第二个特征数组。如果为 None ，则使用 Y=X 。

degreefloat，默认=3

核的度数。

gammafloat，默认=None

向量内积的系数。如果为 None，则默认为 1.0 / n_features。

coef0float，默认=1

添加到缩放内积的常数偏移量。

Returns:

kernelndarray，形状为 (n_samples_X, n_samples_Y)

多项式核。

Examples

>>> 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...]])