laplacian_kernel#

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

計算 X 和 Y 之間的拉普拉斯核函數。

拉普拉斯核函數定義為

K(x, y) = exp(-gamma ||x-y||_1)

對於 X 中的每一行 x 和 Y 中的每一行 y。詳情請參閱使用者指南。

在 0.17 版本中新增。

參數:

X形狀為 (n_samples_X, n_features) 的類陣列或稀疏矩陣: 一個特徵陣列。
Y形狀為 (n_samples_Y, n_features) 的類陣列或稀疏矩陣，預設值為 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，預設值為 None: 如果為 None，則預設值為 1.0 / n_features。否則它應該是嚴格的正數。

回傳:

kernel形狀為 (n_samples_X, n_samples_Y) 的 ndarray: 核函數矩陣。

範例

>>> from sklearn.metrics.pairwise import laplacian_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> laplacian_kernel(X, Y)
array([[0.71..., 0.51...],
       [0.51..., 0.71...]])