sklearn.gaussian_process.kernels.CompoundKernel

class sklearn.gaussian_process.kernels.CompoundKernel

Núcleo (kernel) que se compone de un conjunto de otros núcleos.

Nuevo en la versión 0.18.

Parámetros
kernelslista de núcleos

Los otros núcleos

Atributos
bounds

Devuelve los límites transformados en logaritmo del theta.

hyperparameters

Devuelve una lista de todas las especificaciones de los hiperparámetros.

n_dims

Devuelve el número de hiperparámetros no fijos del núcleo.

requires_vector_input

Devuelve si el núcleo está definido en estructuras discretas.

theta

Devuelve los hiperparámetros no fijos (aplanados y transformados en logaritmos).

Ejemplos

>>> from sklearn.gaussian_process.kernels import WhiteKernel
>>> from sklearn.gaussian_process.kernels import RBF
>>> from sklearn.gaussian_process.kernels import CompoundKernel
>>> kernel = CompoundKernel(
...     [WhiteKernel(noise_level=3.0), RBF(length_scale=2.0)])
>>> print(kernel.bounds)
[[-11.51292546  11.51292546]
 [-11.51292546  11.51292546]]
>>> print(kernel.n_dims)
2
>>> print(kernel.theta)
[1.09861229 0.69314718]

Métodos

__call__

Devuelve el núcleo k(X, Y) y opcionalmente su gradiente.

clone_with_theta

Devuelve un clon de sí mismo con los hiperparámetros dados theta.

diag

Devuelve la diagonal del núcleo k(X, X).

get_params

Obtener los parámetros de este núcleo.

is_stationary

Devuelve si el núcleo es estacionario.

set_params

Establece los parámetros de este núcleo.

__call__()

Devuelve el núcleo k(X, Y) y opcionalmente su gradiente.

Ten en cuenta que este núcleo compuesto devuelve los resultados de todos los núcleos simples apilados a lo largo de un eje adicional.

Parámetros
Xarray-like de forma (n_samples_X, n_features) o lista de objetos, default=None

Argumento izquierdo del núcleo devuelto k(X, Y)

Yarray-like de forma (n_samples_X, n_features) o lista de objetos, default=None

Argumento derecho del núcleo devuelto k(X, Y). Si es None, se evalúa k(X, X) en su lugar.

eval_gradientbool, default=False

Determina si se calcula el gradiente con respecto al logaritmo del hiperparámetro del núcleo.

Devuelve
Kndarray de forma (n_samples_X, n_samples_Y, n_kernels)

Núcleo k(X, Y)

K_gradientndarray de forma (n_samples_X, n_samples_X, n_dims, n_kernels), opcional

El gradiente del núcleo k(X, X) con respecto al logaritmo del hiperparámetro del núcleo. Sólo se devuelve cuando eval_gradient es True.

property bounds

Devuelve los límites transformados en logaritmo del theta.

Devuelve
boundsarreglo de forma (n_dims, 2)

Los límites transformados logarítmicamente de los hiperparámetros del núcleo theta

clone_with_theta()

Devuelve un clon de sí mismo con los hiperparámetros dados theta.

Parámetros
thetandarray de forma (n_dims,)

Hiperparámetros

diag()

Devuelve la diagonal del núcleo k(X, X).

El resultado de este método es idéntico al de np.diag(self(X)); sin embargo, se puede evaluar de forma más eficiente ya que sólo se evalúa la diagonal.

Parámetros
Xarray-like de forma (n_samples_X, n_features) o lista de objetos

Argumento para el núcleo.

Devuelve
K_diagndarray de forma (n_samples_X, n_kernels)

Diagonal del núcleo k(X, X)

get_params()

Obtener los parámetros de este núcleo.

Parámetros
deepbool, default=True

Si es True, devolverá los parámetros para este estimador y los subobjetos contenidos que son estimadores.

Devuelve
paramsdict

Nombres de parámetros mapeados a sus valores.

property hyperparameters

Devuelve una lista de todas las especificaciones de los hiperparámetros.

is_stationary()

Devuelve si el núcleo es estacionario.

property n_dims

Devuelve el número de hiperparámetros no fijos del núcleo.

property requires_vector_input

Devuelve si el núcleo está definido en estructuras discretas.

set_params()

Establece los parámetros de este núcleo.

El método funciona tanto en núcleos simples como en núcleos anidados. Estos últimos tienen parámetros de la forma <component>__<parameter> para que sea posible actualizar cada componente de un objeto anidado.

Devuelve
self
property theta

Devuelve los hiperparámetros no fijos (aplanados y transformados en logaritmos).

Ten en cuenta que theta son típicamente los valores transformados en logaritmos de los hiperparámetros del núcleo, ya que esta representación del espacio de búsqueda es más adecuada para la búsqueda de hiperparámetros, ya que los hiperparámetros como las escalas de longitud viven naturalmente en una escala logarítmica.

Devuelve
thetandarray de forma (n_dims,)

Los hiperparámetros no fijos y transformados en logaritmos del núcleo