sigmoid_kernel#

sklearn.metrics.pairwise.sigmoid_kernel(X, Y=None, gamma=None, coef0=1)[原始碼]#

計算 X 和 Y 之間的 Sigmoid 核函數。

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

請參閱使用者指南以了解更多資訊。

參數:

X形狀為 (n_samples_X, n_features) 的類陣列 (array-like) 或稀疏矩陣 (sparse matrix): 一個特徵陣列。
Y形狀為 (n_samples_Y, n_features) 的類陣列 (array-like) 或稀疏矩陣 (sparse matrix)，預設為 None: 一個可選的第二個特徵陣列。如果為 None，則使用 Y=X。
gamma浮點數，預設為 None: 向量內積的係數。如果為 None，則預設為 1.0 / n_features。
coef0浮點數，預設為 1: 添加到縮放內積的常數偏移量。

回傳值:

kernel形狀為 (n_samples_X, n_samples_Y) 的 ndarray: 兩個陣列之間的 Sigmoid 核函數。

範例

>>> from sklearn.metrics.pairwise import sigmoid_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> sigmoid_kernel(X, Y)
array([[0.76..., 0.76...],
       [0.87..., 0.93...]])