WhiteKernel

class sklearn.gaussian_process.kernels.WhiteKernel(noise_level=1.0, noise_level_bounds=(1e-05, 100000.0))

白核。

该内核的主要用例是作为和内核的一部分，它将信号的噪声解释为独立且相同的正态分布。参数noise_level等于该噪声的方差。

\[k（x_1，x_2）=噪音\_level \text{ if } x_i = x_j \text{ else } 0\]

阅读更多的 User Guide .

Added in version 0.18.

参数:

noise_levelfloat，默认=1.0

控制噪音水平（方差）的参数

noise_level_bounds浮点数对>= 0或“固定”，默认=（1 e-5，1 e5）

“noise_level”的下限和上限。如果设置为“fixed”，则在超参数调优期间无法更改“noise_level”。

示例

>>> from sklearn.datasets import make_friedman2
>>> from sklearn.gaussian_process import GaussianProcessRegressor
>>> from sklearn.gaussian_process.kernels import DotProduct, WhiteKernel
>>> X, y = make_friedman2(n_samples=500, noise=0, random_state=0)
>>> kernel = DotProduct() + WhiteKernel(noise_level=0.5)
>>> gpr = GaussianProcessRegressor(kernel=kernel,
...         random_state=0).fit(X, y)
>>> gpr.score(X, y)
0.3680...
>>> gpr.predict(X[:2,:], return_std=True)
(array([653.0..., 592.1... ]), array([316.6..., 316.6...]))

__call__(X, Y=None, eval_gradient=False)

返回内核k（X，Y）以及可选的其梯度。

参数:

X类似阵列的形状（n_samples_X，n_features）或对象列表

返回的内核k（X，Y）的左参数

Y类似阵列的形状（n_samples_X，n_features）或对象列表， 默认值=无

返回的内核k（X，Y）的正确参数。如果无，则改为计算k（X，X）。

eval_gradient布尔，默认=假

确定是否计算相对于内核超参数日志的梯度。仅当Y为无时支持。

返回:

K形状的nd数组（n_samples_X，n_samples_Y）

核k（X，Y）

K_gradientnd形状数组（n_samples_X，n_samples_X，n_dims）， 任择

核k（X，X）相对于核超参数log的梯度。仅当eval_gradient为True时返回。

property bounds

返回theta的log转换边界。

返回:

bounds形状的nd数组（n_dims，2）

核超参数theta的log转换界限

clone_with_theta(theta)

返回具有给定超参数theta的自我克隆。

参数:

theta形状的nd数组（n_dims，）

超参数

diag(X)

Returns the diagonal of the kernel k(X, X).

该方法的结果与mp.diag（self（X））相同;但是，由于仅评估对角线，因此可以更有效地评估它。

参数:

X类似阵列的形状（n_samples_X，n_features）或对象列表

参数传递到内核。

返回:

K_diag形状的nd数组（n_samples_X，）

核k（X，X）的对角线

get_params(deep=True)

获取此内核的参数。

参数:

deep布尔，默认=True

如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:

paramsdict

参数名称映射到其值。

property hyperparameters

返回所有超参数规范的列表。

is_stationary()

返回内核是否静止。

property n_dims

返回内核非固定超参数的数量。

property requires_vector_input

内核是否仅适用于固定长度的特征载体。

set_params(**params)

Set the parameters of this kernel.

该方法适用于简单内核和嵌套内核。后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

返回:

自我

property theta

返回（拉平、日志转换）非固定超参数。

注意，theta通常是内核超参数的对数变换值，因为搜索空间的这种表示更适合超参数搜索，因为像长度尺度这样的超参数自然存在于对数尺度上。

返回:

theta形状的nd数组（n_dims，）

内核的非固定的、经过log转换的超参数