Python sklearn CompoundKernel用法及代码示例

本文简要介绍python语言中 sklearn.gaussian_process.kernels.CompoundKernel 的用法。

用法:

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)

由一组其他内核组成的内核。

参数：

kernels：内核列表

其他内核

属性：

bounds

返回 theta 上的 log-transformed 边界。

hyperparameters

返回所有超参数规范的列表。

n_dims

返回内核的非固定超参数的数量。

requires_vector_input

返回内核是否定义在离散结构上。

theta

返回(扁平化，log-transformed)非固定超参数。

例子：

>>> from sklearn.gaussian_process.kernels import WhiteKernel
>>> from sklearn.gaussian_process.kernels import RBF
>>> from sklearn.gaussian_process.kernels import CompoundKernel
>>> kernel = CompoundKernel(
...     [WhiteKernel(noise_level=3.0), RBF(length_scale=2.0)])
>>> print(kernel.bounds)
[[-11.51292546  11.51292546]
 [-11.51292546  11.51292546]]
>>> print(kernel.n_dims)
2
>>> print(kernel.theta)
[1.09861229 0.69314718]