polynomial_kernel#

sklearn.metrics.pairwise.polynomial_kernel(X, Y=None, degree=3, gamma=None, coef0=1)[原始碼]#

計算 X 和 Y 之間的多項式核函數。

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

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。
degree浮點數，預設值為 3: 核函數的次數。
gamma浮點數，預設值為 None: 向量內積的係數。如果為 None，則預設為 1.0 / n_features。
coef0浮點數，預設值為 1: 加到縮放內積的常數偏移量。

傳回值:

kernel形狀為 (n_samples_X, n_samples_Y) 的 ndarray: 多項式核函數。

範例

>>> from sklearn.metrics.pairwise import polynomial_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> polynomial_kernel(X, Y, degree=2)
array([[1.     , 1.     ],
       [1.77..., 2.77...]])