ConstantKernel

classsklearn.gaussian_process.kernels.ConstantKernel(constant_value=1.0, constant_value_bounds=(1e-05, 100000.0))[исходный код]

Ядро с постоянным значением.

Может использоваться как часть произведения ядер, где оно масштабирует величину другого множителя (ядра), или как часть суммы ядер, где оно изменяет среднее значение гауссовского процесса.

\[k(x_1, x_2) = constant\_value \;\forall\; x_1, x_2\]

Добавление ядра с постоянным значением эквивалентно добавлению константы:

kernel = RBF() + ConstantKernel(constant_value=2)

это то же самое, что:

kernel = RBF() + 2

Подробнее см. в руководстве пользователя.

Добавлено в версии 0.18.

Параметры:

constant_valueвещественное число, по умолчанию=1.0

Постоянное значение, определяющее ковариацию: k(x_1, x_2) = constant_value

constant_value_boundsпара вещественных чисел >= 0 или “fixed”, по умолчанию=(1e-5, 1e5)

Нижняя и верхняя границы для constant_value. Если задано значение “fixed”, constant_value нельзя изменить во время настройки гиперпараметров.

Примеры

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import RBF, ConstantKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = RBF() + ConstantKernel(constant_value=2)
>>> gpr = GaussianProcessRegressor(kernel=kernel, alpha=5,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
0.3696
>>> gpr.predict(X[:1,:], return_std=True)
(array([606.1]), array([0.248]))

__call__(X, Y=None, eval_gradient=False)[исходный код]

Возвращает ядро k(X, Y) и, при необходимости, его градиент.

Параметры:

Xобъект, подобный массиву, формы (n_samples_X, n_features), или список объектов

Левый аргумент возвращаемого ядра k(X, Y)

Yобъект, подобный массиву, формы (n_samples_X, n_features), или список объектов, по умолчанию=None

Правый аргумент возвращаемого ядра k(X, Y). Если None, вместо этого вычисляется k(X, X).

eval_gradientлогическое значение, по умолчанию=False

Определяет, вычисляется ли градиент относительно логарифма гиперпараметра ядра. Поддерживается только при Y=None.

Возвращает:

Kndarray формы (n_samples_X, n_samples_Y)

Ядро k(X, Y)

K_gradientndarray формы (n_samples_X, n_samples_X, n_dims), необязательный

Градиент ядра k(X, X) относительно логарифма гиперпараметра ядра. Возвращается только при eval_gradient=True.

propertybounds

Возвращает границы для theta, преобразованные логарифмированием.

Возвращает:

boundsndarray формы (n_dims, 2)

Границы гиперпараметров theta ядра, преобразованные логарифмированием

clone_with_theta(theta)[исходный код]

Возвращает копию объекта self с заданными гиперпараметрами theta.

Параметры:

thetandarray формы (n_dims,)

Гиперпараметры

diag(X)[исходный код]

Возвращает диагональ ядра k(X, X).

Результат этого метода совпадает с np.diag(self(X)); однако его можно вычислить эффективнее, поскольку вычисляется только диагональ.

Параметры:

Xобъект, подобный массиву, формы (n_samples_X, n_features), или список объектов

Аргумент ядра.

Возвращает:

K_diagndarray формы (n_samples_X,)

Диагональ ядра k(X, X)

get_params(deep=True)[исходный код]

Получает параметры этого ядра.

Параметры:

deepлогическое значение, по умолчанию=True

Если True, возвращает параметры этого оценивателя и содержащихся в нём подобъектов, являющихся оценивателями.

Возвращает:

paramsdict

Имена параметров и соответствующие им значения.

propertyhyperparameters

Возвращает список всех описаний гиперпараметров.

is_stationary()[исходный код]

Возвращает информацию о том, является ли ядро стационарным.

propertyn_dims

Возвращает количество незакреплённых гиперпараметров ядра.

propertyrequires_vector_input

Показывает, работает ли ядро только с векторами признаков фиксированной длины.

set_params(**params)[исходный код]

Задаёт параметры этого ядра.

Метод работает как с простыми, так и с вложенными ядрами. Параметры последних имеют вид <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Возвращает:

self

propertytheta

Возвращает незакреплённые гиперпараметры (в виде одномерного массива, преобразованные логарифмированием).

Обратите внимание, что theta обычно содержит значения гиперпараметров ядра, преобразованные логарифмированием, поскольку такое представление пространства поиска лучше подходит для подбора гиперпараметров: например, масштабы длины естественным образом задаются в логарифмической шкале.

Возвращает:

thetandarray формы (n_dims,)

Незакреплённые гиперпараметры ядра, преобразованные логарифмированием

Примеры в галерее

Линии равной вероятности для классификации гауссовскими процессами (GPC)

Иллюстрация априорного и апостериорного гауссовского процесса для различных ядер