additive_chi2_kernel#

sklearn.metrics.pairwise.additive_chi2_kernel(X, Y=None)[源代码]#

计算X和Y中观察值之间的加性卡方核。

卡方核是在X和Y中的每对行之间计算的。 X和Y必须是非负的。该内核最常应用于矩形图。

卡方核由下式给出：

k(x, y) = -Sum [(x - y)^2 / (x + y)]

它可以解释为每个条目的加权差异。

阅读更多的 User Guide .

参数:

X形状类似阵列（n_samples_X，n_features）: 特征数组。
Y形状类似阵列（n_samples_Y，n_features），默认=无: 可选的第二特征阵列。如果 None ，用途 Y=X .

返回:

kernel形状类似阵列（n_samples_X，n_samples_Y）: 核心矩阵。

参见

chi2_kernel: 内核的取指数版本，通常更好。
sklearn.kernel_approximation.AdditiveChi2Sampler: 这个核的傅里叶逼近。

注意到

作为距离的负值，该核仅是有条件的正定的。

引用

Zhang，J.和Marszalek，M.和Lazebnik，S.和Schmid，C.用于纹理和物体类别分类的局部特征和内核：综合研究国际计算机视觉杂志2007 https://hal.archives-ouvertes.fr/hal-00171412/document

示例

>>> from sklearn.metrics.pairwise import additive_chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> additive_chi2_kernel(X, Y)
array([[-1., -2.],
       [-2., -1.]])