chi2_kernel#

sklearn.metrics.pairwise.chi2_kernel(X, Y=None, gamma=1.0)[原始碼]#

計算 X 和 Y 之間的指數卡方核函數。

卡方核函數計算 X 和 Y 中每對列之間的核函數。X 和 Y 必須為非負值。此核函數最常應用於直方圖。

卡方核函數由下式給出：

k(x, y) = exp(-gamma 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：

X形狀為 (n_samples_X, n_features) 的類數組: 特徵陣列。
Y形狀為 (n_samples_Y, n_features) 的類數組，預設值為 None: 可選的第二個特徵陣列。如果為 None，則使用 Y=X。
gamma浮點數，預設值為 1: 卡方核函數的縮放參數。

回傳：

kernel形狀為 (n_samples_X, n_samples_Y) 的 ndarray: 核矩陣。

另請參閱

additive_chi2_kernel: 此核函數的加法版本。
sklearn.kernel_approximation.AdditiveChi2Sampler: 此核函數的加法版本的傅立葉近似。

參考文獻

Zhang, J. 和 Marszalek, M. 和 Lazebnik, S. 和 Schmid, C. 用於紋理和物件類別分類的局部特徵和核函數：綜合研究 2007 年國際電腦視覺期刊 https://hal.archives-ouvertes.fr/hal-00171412/document

範例

>>> from sklearn.metrics.pairwise import chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> chi2_kernel(X, Y)
array([[0.36..., 0.13...],
       [0.13..., 0.36...]])