Возведение в степень

classsklearn.gaussian_process.kernels.Exponentiation(kernel, exponent)[исходный код]

Ядро Exponentiation принимает одно базовое ядро и скалярный параметр \(p\) и объединяет их следующим образом:

\[k_{exp}(X, Y) = k(X, Y) ^p\]

Обратите внимание, что магический метод __pow__ переопределён, поэтому Exponentiation(RBF(), 2) эквивалентно использованию оператора ** с RBF() ** 2.

Подробнее см. в Руководстве пользователя.

Добавлено в версии 0.18.

Параметры:

kernelKernel

Базовое ядро

exponentfloat

Показатель степени для базового ядра

Примеры

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import (RationalQuadratic,
...            Exponentiation)
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = Exponentiation(RationalQuadratic(), exponent=2)
>>> gpr = GaussianProcessRegressor(kernel=kernel, alpha=5,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
0.419
>>> gpr.predict(X[:1,:], return_std=True)
(array([635.5]), array([0.559]))

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

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

Параметры:

Xarray-like of shape (n_samples_X, n_features) or list of object

Левый аргумент возвращаемого ядра k(X, Y)

Yarray-like of shape (n_samples_Y, n_features) or list of object, default=None

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

eval_gradientbool, default=False

Определяет, вычисляется ли градиент относительно логарифма гиперпараметра ядра.

Возвращает:

Kndarray of shape (n_samples_X, n_samples_Y)

Ядро k(X, Y)

K_gradientndarray of shape (n_samples_X, n_samples_X, n_dims), optional

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

propertybounds

Возвращает границы theta после логарифмического преобразования.

Возвращает:

boundsndarray of shape (n_dims, 2)

Границы гиперпараметров theta ядра после логарифмического преобразования

clone_with_theta(theta)[исходный код]

Возвращает копию объекта с заданными гиперпараметрами theta.

Параметры:

thetandarray of shape (n_dims,)

Гиперпараметры

diag(X)[исходный код]

Возвращает диагональ ядра k(X, X).

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

Параметры:

Xarray-like of shape (n_samples_X, n_features) or list of object

Аргумент для ядра.

Возвращает:

K_diagndarray of shape (n_samples_X,)

Диагональ ядра k(X, X)

get_params(deep=True)[исходный код]

Получает параметры этого ядра.

Параметры:

deepbool, default=True

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

Возвращает:

paramsdict

Имена параметров, сопоставленные их значениям.

propertyhyperparameters

Возвращает список всех гиперпараметров.

is_stationary()[исходный код]

Возвращает, является ли ядро стационарным.

propertyn_dims

Возвращает количество нефикисрованных гиперпараметров ядра.

propertyrequires_vector_input

Возвращает, определено ли ядро на дискретных структурах.

set_params(**params)[исходный код]

Задаёт параметры этого ядра.

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

Возвращает:

self

propertytheta

Возвращает нефикисрованные гиперпараметры (в развёрнутом виде и после логарифмического преобразования).

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

Возвращает:

thetandarray of shape (n_dims,)

Нефикисрованные гиперпараметры ядра после логарифмического преобразования