`sklearn.gaussian_process.kernels`.Hyperparameter¶

class sklearn.gaussian_process.kernels.Hyperparameter¶

La especificación de un hiperparámetro del núcleo en forma de una tupla con nombre.

Nuevo en la versión 0.18.

Atributos

namestr: El nombre del hiperparámetro. Ten en cuenta que un núcleo que utiliza un hiperparámetro con nombre «x» debe tener los atributos self.x y self.x_bounds
value_typestr: El tipo de hiperparámetro. Actualmente, sólo se admiten hiperparámetros «numeric».
boundspar de flotantes >= 0 o «fixed»: El límite inferior y superior del parámetro. Si n_elements>1, se puede dar alternativamente un par de arreglos 1d con n_elements cada una. Si se pasa la cadena «fixed» como límite, el valor del hiperparámetro no puede cambiarse.
n_elementsentero, default=1: El número de elementos del valor del hiperparámetro. El valor predeterminado es 1, que corresponde a un hiperparámetro escalar. n_elements > 1 corresponde a un hiperparámetro de valor vectorial, como, por ejemplo, las escalas de longitud anisotrópicas.
fixedbooleano, default=None: Si el valor de este hiperparámetro es fijo, es decir, no puede cambiarse durante el ajuste del hiperparámetro. Si se pasa None, el «fixed » se deriva en base a los límites dados.

Ejemplos

>>> from sklearn.gaussian_process.kernels import ConstantKernel
>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import Hyperparameter
>>> X, y = make_friedman2(n_samples=50, noise=0, random_state=0)
>>> kernel = ConstantKernel(constant_value=1.0,
...    constant_value_bounds=(0.0, 10.0))

Podemos acceder a cada parámetro:

>>> for hyperparameter in kernel.hyperparameters:
...    print(hyperparameter)
Hyperparameter(name='constant_value', value_type='numeric',
bounds=array([[ 0., 10.]]), n_elements=1, fixed=False)

>>> params = kernel.get_params()
>>> for key in sorted(params): print(f"{key} : {params[key]}")
constant_value : 1.0
constant_value_bounds : (0.0, 10.0)

Métodos

`count`(value, /)	Devuelve el número de apariciones del valor.
`index`(value[, start, stop])	Devuelve el primer índice del valor.

__call__(*args, **kwargs)¶: Llamar a sí mismo como una función.

bounds¶: Alias para el campo número 2

count(value, /)¶: Devuelve el número de apariciones del valor.

fixed¶: Alias para el campo número 4

index(value, start=0, stop=sys.maxsize, /)¶

Devuelve el primer índice del valor.

Genera un ValueError si el valor no está presente.

n_elements¶: Alias para el campo número 3

name¶: Alias para el campo número 0

value_type¶: Alias para el campo número 1

Ejemplos usando `sklearn.gaussian_process.kernels.Hyperparameter`¶

sklearn.gaussian_process.kernels.Hyperparameter¶

Ejemplos usando sklearn.gaussian_process.kernels.Hyperparameter¶

`sklearn.gaussian_process.kernels`.Hyperparameter¶

Ejemplos usando `sklearn.gaussian_process.kernels.Hyperparameter`¶