sklearn.gaussian_process.kernels.Sum

class sklearn.gaussian_process.kernels.Sum

El núcleo Sum toma dos núcleos \(k_1\) y \(k_2\) y los combina por medio de

\[k_{sum}(X, Y) = k_1(X, Y) + k_2(X, Y)\]

Nota que el método mágico __add__ está anulado, por lo que Sum(RBF(), RBF()) es equivalente a utilizar el operador + con RBF() + RBF().

Más información en Manual de usuario.

Nuevo en la versión 0.18.

Parámetros
k1Núcleo

El primer núcleo de base del núcleo de la suma

k2Núcleo

El segundo núcleo base del núcleo de la suma

Atributos
bounds

Devuelve los límites transformados en logaritmo de la theta.

hyperparameters

Devuelve una lista de todos los hiperparámetros.

n_dims

Devuelve el número de hiperparámetros no fijos del núcleo.

requires_vector_input

Devuelve si el núcleo es estacionario.

theta

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

Ejemplos

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import RBF, Sum, ConstantKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = Sum(ConstantKernel(2), RBF())
>>> gpr = GaussianProcessRegressor(kernel=kernel,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
1.0
>>> kernel
1.41**2 + RBF(length_scale=1)

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

Obtiene 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.

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

Argumento izquierdo del núcleo devuelto k(X, Y)

Yarray-like de forma (n_samples_X, n_features) o lista de objetos, por defecto = 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)

Núcleo k(X, Y)

K_gradientndarray de forma (n_samples_X, n_samples_X, n_dims), 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 de la theta.

Devuelve
boundsndarray 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 objeto

Argumento para el núcleo.

Devuelve
K_diagndarray de forma (n_samples_X,)

Diagonal del núcleo k(X, X)

get_params()

Obtiene 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
parámetrosdict

Nombres de parámetros mapeados a sus valores.

property hyperparameters

Devuelve una lista de todos 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 es estacionario.

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 suelen ser 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