sklearn.gaussian_process.CompoundKernel?

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)

由一組其他內核組成的內核。

新版本0.18。

參數	說明
kernels	list of Kernels 另一個內核

方法

__init__(self, kernels)

初始化self. 請參閱help(type(self))以獲得準確的說明。

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

返回核函數k(X, Y)和它的梯度。

注意，這個復合內核返回沿著一個附加軸堆積的所有簡單內核的結果。

參數	說明
X	array-like of shape (n_samples_X, n_features) or list of object, default=None 返回核函數k(X, Y)的左參數
Y	array-like of shape (n_samples_X, n_features) or list of object, default=None 返回的核函數k(X, Y)的正確參數。如果沒有，則計算k(X, X)。
eval_gradient	bool, default=False 確定關于核超參數的梯度是否確定。

返回值	說明
K	ndarray of shape (n_samples_X, n_samples_Y, n_kernels) 內核k (X, Y)
K_gradient	ndarray of shape (n_samples_X, n_samples_X, n_dims, n_kernels), optional 核函數k(X, X)關于核函數超參數的梯度。只有當`eval_gradient`為真時才返回。

property bounds

返回的對數變換界限。

返回值	說明
bounds	array of shape (n_dims, 2) 核函數超參數的對數變換界限

clone_with_theta(self, theta)

返回帶有給定超參數theta的self的克隆。

參數	說明
theta	ndarray of shape (n_dims,) 超參數

diag`(X)

返回核函數k(X, X)的對角線。

該方法的結果與np.diag(self(X))相同;但是，由于只計算對角，因此可以更有效地計算它。

參數值	說明
X	array-like of shape (n_samples_X, n_features) or list of object 參數指向內核。

返回值	說明
K_diag	ndarray of shape (n_samples_X, n_kernels) 核k(X, X)的對角線

get_params(self, deep=True)[source]

獲取這個內核的參數。

參數值	說明
deep	bool, default=True 如果為真，將返回此估計器的參數以及包含的作為估計器的子對象。

返回值	說明
params	dict 參數名稱映射到它們的值。

property hyperparameters

返回所有超參數規范的列表。

is_stationary(self)

返回內核是否靜止。

property n_dims

返回內核的非固定超參數的數量。

property requires_vector_input

返回內核是否定義在離散結構上。

set_params(self, **params)

設置這個內核的參數。

該方法適用于簡單估計量和嵌套對象(如pipline)。后者具有形式為<component>_<parameter>的參數，這樣就讓更新嵌套對象的每個組件成為了可能。

返回值	說明
self	無

property theta

返回(扁平的、對數轉換的)非固定超參數。

注意，theta通常是內核超參數的對數變換值，因為這種搜索空間的表示更適合超參數搜索，因為像長度尺度這樣的超參數自然存在于對數尺度上。

返回值	說明
theta	ndarray of shape (n_dims,) 核函數的非固定、對數變換超參數