Python sklearn CompoundKernel用法及代碼示例

本文簡要介紹python語言中 sklearn.gaussian_process.kernels.CompoundKernel 的用法。

用法:

class sklearn.gaussian_process.kernels.CompoundKernel(kernels)

由一組其他內核組成的內核。

參數：

kernels：內核列表

其他內核

屬性：

bounds

返回 theta 上的 log-transformed 邊界。

hyperparameters

返回所有超參數規範的列表。

n_dims

返回內核的非固定超參數的數量。

requires_vector_input

返回內核是否定義在離散結構上。

theta

返回(扁平化，log-transformed)非固定超參數。

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]