chi2_kernel#

sklearn.metrics.pairwise.chi2_kernel(X, Y=None, gamma=1.0)[源代码]#

Compute the exponential chi-squared kernel between X and Y.

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) = exp(-gamma 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 .
gammafloat，默认=1: chi 2内核的缩放参数。

返回:

kernel形状的nd数组（n_samples_X，n_samples_Y）: 核心矩阵。

参见

additive_chi2_kernel: 此内核的添加版本。
sklearn.kernel_approximation.AdditiveChi2Sampler: 这个核的加性版本的傅立叶近似。

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 chi2_kernel
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> chi2_kernel(X, Y)
array([[0.36..., 0.13...],
       [0.13..., 0.36...]])