sklearn.kernel_approximation.AdditiveChi2Sampler?

class sklearn.kernel_approximation.AdditiveChi2Sampler(*, sample_steps=2, sample_interval=None)

[源碼]

AdditiveChi2Sampler內核的近似特征圖

在一定的區間內對核特征進行Fourier變換采樣。

由于要逼近的核是可加的，所以輸入向量的分量可以單獨處理。原始空間中的每個條目被轉換為2*SAMPLE_STEP+1特性，其中SAMPLE_STEP是該方法的一個參數。SAMPLE_STEP的典型值包括1、2和3。

可以計算某些數據范圍的抽樣間隔的最佳選擇(參見參考)。默認值應該是合理的。

閱讀更多內容用戶指南.

另見

• SkewedChi2Sampler

  X平方核的非加性變體的傅里葉逼近。

• sklearn.metrics.pairwise.chi2_kernel

  精確的七平方核。

• sklearn.metrics.pairwise.additive_chi2_kernel

  精確的加性X平方核。

注

此估算器近似近加和卡方內核的版本，由metric.additive_chi2計算。

參考文獻

1 See “Efficient additive kernels via explicit feature maps” A. Vedaldi and A. Zisserman, Pattern Analysis and Machine Intelligence, 2011

實例

>>> from sklearn.datasets import load_digits
>>> from sklearn.linear_model import SGDClassifier
>>> from sklearn.kernel_approximation import AdditiveChi2Sampler
>>> X, y = load_digits(return_X_y=True)
>>> chi2sampler = AdditiveChi2Sampler(sample_steps=2)
>>> X_transformed = chi2sampler.fit_transform(X, y)
>>> clf = SGDClassifier(max_iter=5, random_state=0, tol=1e-3)
>>> clf.fit(X_transformed, y)
SGDClassifier(max_iter=5, random_state=0)
>>> clf.score(X_transformed, y)
0.9499...

__init__(self, *, sample_steps=2, sample_interval=None)

[源碼]

初始化self， 請參閱help(type(self))以獲得準確的說明

fit(self, X, y=None)

[源碼]

設置參數

fit_transform(self, X, y=None,**fit_params)

[源碼]

擬合數據，然后對其進行轉換。

使用可選參數fit_params將轉換器擬合到X和y，并返回X的轉換版本。

get_params(self, deep=True)

[源碼]

獲取此估計量的參數。

set_params(self, **params)

[源碼]

該方法適用于簡單的估計量以及嵌套對象（例如pipelines）。 后者的參數格式為 __ ，以便可以更新嵌套對象的每個組件。

transform(self, X)

[源碼]

將近似特征映射應用于X。