sklearn.gaussian_process

基於高斯過程的迴歸和分類。

使用者指南。 詳情請參閱 高斯過程 章節。

GaussianProcessClassifier	基於拉普拉斯近似的高斯過程分類 (GPC)。
GaussianProcessRegressor	高斯過程迴歸 (GPR)。

核函數

一組可透過運算子組合並在高斯過程中使用的核函數。

kernels.CompoundKernel	由一組其他核函數組成的核函數。
kernels.ConstantKernel	常數核函數。
kernels.DotProduct	點積核函數。
kernels.ExpSineSquared	指數正弦平方核函數（又稱週期性核函數）。
kernels.Exponentiation	指數核函數採用一個基本核函數和一個純量參數 \(p\)，並透過以下方式組合它們：
kernels.Hyperparameter	以 namedtuple 形式呈現的核函數超參數規格。
kernels.Kernel	所有核函數的基底類別。
kernels.Matern	Matern 核函數。
kernels.PairwiseKernel	sklearn.metrics.pairwise 中核函數的包裝器。
kernels.Product	Product 核函數採用兩個核函數 \(k_1\) 和 \(k_2\)，並透過以下方式組合它們：
kernels.RBF	徑向基底函數核函數（又稱平方指數核函數）。
kernels.RationalQuadratic	有理二次核函數。
kernels.Sum	Sum 核函數採用兩個核函數 \(k_1\) 和 \(k_2\)，並透過以下方式組合它們：
kernels.WhiteKernel	白色核函數。