additive_chi2_kernel#

sklearn.metrics.pairwise.additive_chi2_kernel(X, Y=None)[原始碼]#

計算 X 和 Y 中觀測值之間的加性卡方核（additive chi-squared kernel）。

卡方核是在 X 和 Y 中的每對列之間計算的。X 和 Y 必須是非負的。此核最常用於直方圖。

卡方核由下式給出

k(x, y) = -Sum [(x - y)^2 / (x + y)]

它可以解釋為每個條目的加權差異。

請在使用者指南中閱讀更多內容。

參數:

Xarray-like，形狀為 (n_samples_X, n_features): 一個特徵陣列。
Yarray-like，形狀為 (n_samples_Y, n_features)，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。

回傳值:

kernelarray-like，形狀為 (n_samples_X, n_samples_Y): 核矩陣。

另請參閱

chi2_kernel: 此核的指數形式，通常更為可取。
sklearn.kernel_approximation.AdditiveChi2Sampler: 此核的傅立葉近似。

註釋

作為距離的負數，此核僅在條件上是正定的。

參考文獻

Zhang, J. and Marszalek, M. and Lazebnik, S. and Schmid, C. Local features and kernels for classification of texture and object categories: A comprehensive study International Journal of Computer Vision 2007 https://hal.archives-ouvertes.fr/hal-00171412/document

範例

>>> from sklearn.metrics.pairwise import additive_chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> additive_chi2_kernel(X, Y)
array([[-1., -2.],
       [-2., -1.]])