使用自定义距离评估 Matern 内核答案

【问题标题】：evaluate the Matern kernel with custom distances使用自定义距离评估 Matern 内核
【发布时间】：2018-07-26 09:23:09
【问题描述】：

我正在尝试评估 scikit learn 包中的母体内核。所以基本上，我会做这样的事情

import numpy as np
from sklearn.gaussian_process.kernels import Matern as skMatern

locs=np.array([[0, 0], [0, 0.5], [0.5, 0.7]])

K = skMatern(nu=1.8, length_scale=0.2)
covMat = K(locs)

我的问题是我希望能够确定内核计算点之间距离的方式。

换句话说，我上面的代码计算了

其中是 Matern 协方差函数，、是 locs 数组的行。我想要的是计算并能够自己指定 d （也许作为距离矩阵）。我一直在查看scikit-learn 文档，但无法弄清楚如何去做。感谢您的帮助！

【问题讨论】：

标签： python scikit-learn gaussian

【解决方案1】：

有点晚了，但它可以帮助别人。如果d 是你的距离矩阵，你可以这样写：

import numpy as np
from sklearn.gaussian_process.kernels import Matern
from sklearn.metrics import pairwise_distances

m, n = 10, 3
d = pairwise_distances(np.random.randn(m, n))

K = Matern()(0, d.ravel()[:, np.newaxis]).reshape(d.shape)

这行代码得益于0 被广播到正确的形状。

【讨论】：