【Scikit-Learn 中文文档】成对的矩阵, 类别和核函数 - 数据集转换 - 用户指南 | ApacheCN

中文文档: http://sklearn.apachecn.org/cn/stable/modules/metrics.html

英文文档: http://sklearn.apachecn.org/en/stable/modules/metrics.html









官方文档: http://scikit-learn.org/stable/

GitHub: https://github.com/apachecn/scikit-learn-doc-zh（觉得不错麻烦给个
Star，我们一直在努力）

贡献者: https://github.com/apachecn/scikit-learn-doc-zh#贡献者

关于我们: http://www.apachecn.org/organization/209.html

4.7. 成对的矩阵, 类别和核函数

The 

sklearn.metrics.pairwise

 子模块实现了用于评估成对距离或样本集合之间的联系的实用程序。

本模块同时包含距离度量和核函数，对于这两者这里提供一个简短的总结。

距离度量是形如 

d(a, b)

 例如 

d(a, b) < d(a, c)

 如果对象 

a

 和 

b

 被认为
“更加相似” 相比于 

a

 和 

c

.
两个完全相同的目标的距离是零。最广泛使用的例子就是欧几里得距离。 为了保证是 ‘真实的’ 度量, 其必须满足以下条件:

对于所有的 a 和 b，d(a, b) >= 0
正定性：当且仅当 a = b时，d(a, b) == 0
对称性：d(a, b) == d(b, a)
三角不等式：d(a, c) <= d(a, b) + d(b, c)

核函数是相似度的标准. 如果对象 

a

 和 

b

 被认为
“更加相似” 相比对象 

a

 和 

c

，那么 

s(a, b) > s(a, c)

.
核函数必须是半正定性的.

存在许多种方法将距离度量转换为相似度标准，例如核函数。 假定 

D

 是距离, and 

S

 是核函数:

S = np.exp(-D * gamma)

,
其中 

gamma

 的一种选择是 

1 / num_features

S = 1. / (D / np.max(D))

4.7.1. 余弦相似度

cosine_similarity

 计算L2正则化的向量的点积.
也就是说, if 

 和 

 都是行向量,,
它们的余弦相似度 

 定义为:



这被称为余弦相似度, 因为欧几里得(L2) 正则化将向量投影到单元球内，那么它们的点积就是被向量表示的点之间的角度。

这种核函数对于计算以tf-idf向量表示的文档之间的相似度是一个通常的选择. 

cosine_similarity

 接受 

scipy.sparse

 矩阵.
(注意到 

sklearn.feature_extraction.text

 中的tf-idf函数能计算归一化的向量，在这种情况下 

cosine_similarity

 等同于 

linear_kernel

,
只是慢一点而已.)

References:
C.D. Manning, P. Raghavan and H. Schütze (2008). Introduction to Information Retrieval. Cambridge University Press.http://nlp.stanford.edu/IR-book/html/htmledition/the-vector-space-model-for-scoring-1.html

4.7.2. 线性核函数

函数 

linear_kernel

 是计算线性核函数,
也就是一种在 

degree=1

 和 

coef0=0

 (同质化)
情况下的 

polynomial_kernel

 的特殊形式.
如果 

x

 和 

y

 是列向量,
它们的线性核函数是:

4.7.3. 多项式核函数

函数 

polynomial_kernel

 计算两个向量的d次方的多项式核函数.
多项式核函数代表着两个向量之间的相似度.
概念上来说，多项式核函数不仅考虑相同维度还考虑跨维度的向量的相似度。当被用在机器学习中的时候，这可以原来代表着特征之间的 相互作用。
多项式函数定义为:



其中:

x

, 

y

 是输入向量

d

 核函数维度

如果 

 那么核函数就被定义为同质化的.

4.7.4. Sigmoid 核函数

函数 

sigmoid_kernel

 计算两个向量之间的S型核函数.
S型核函数也被称为双曲切线或者 多层感知机(因为在神经网络领域，它经常被当做激活函数). S型核函数定义为:



where:

x

, 

y

 是输入向量


 是斜度


 是截距

4.7.5. RBF 核函数

函数 

rbf_kernel

 计算计算两个向量之间的径向基函数核
(RBF) 。 其定义为:



其中 

x

 和 

y

 是输入向量.
如果 

 核函数就变成方差为 

 的高斯核函数.

4.7.6. 拉普拉斯核函数

函数 

laplacian_kernel

 是一种径向基函数核的变体，定义为:



其中 

x

 和 

y

 是输入向量
并且 

 是输入向量之间的曼哈顿距离.

已被证明在机器学习中运用到无噪声数据中是有用的. 可见例如 Machine learning for quantum mechanics in a
nutshell.

4.7.7. 卡方核函数

在计算机视觉应用中训练非线性支持向量机时，卡方核函数是一种非常流行的选择.
它能以 

chi2_kernel

 计算然后将参数 ``kernel=”precomputed”``传递到

sklearn.svm.SVC

 :

>>>

>>> from sklearn.svm import SVC
>>> from sklearn.metrics.pairwise import chi2_kernel
>>> X = [[0, 1], [1, 0], [.2, .8], [.7, .3]]
>>> y = [0, 1, 0, 1]
>>> K = chi2_kernel(X, gamma=.5)
>>> K
array([[ 1.        ,  0.36...,  0.89...,  0.58...],
[ 0.36...,  1.        ,  0.51...,  0.83...],
[ 0.89...,  0.51...,  1.        ,  0.77... ],
[ 0.58...,  0.83...,  0.77... ,  1.        ]])

>>>

>>> svm = SVC(kernel='precomputed').fit(K, y)
>>> svm.predict(K)
array([0, 1, 0, 1])

也可以直接使用 

kernel

 变量:

>>>

>>> svm = SVC(kernel=chi2_kernel).fit(X, y)
>>> svm.predict(X)
array([0, 1, 0, 1])

卡方核函数定义为



数据假定为非负的，并且已经以L1正则化。 归一化随着与卡方平方距离的连接而被合理化，其是离散概率分布之间的距离。

卡方核函数最常用于可视化词汇的矩形图。

参考:
Zhang, J. and Marszalek, M. and Lazebnik, S. and Schmid, C. Local features and kernels for classification of texture and object categories: A comprehensive study International Journal of Computer Vision 2007http://research.microsoft.com/en-us/um/people/manik/projects/trade-off/papers/ZhangIJCV06.pdf

中文文档: http://sklearn.apachecn.org/cn/stable/modules/metrics.html

英文文档: http://sklearn.apachecn.org/en/stable/modules/metrics.html









官方文档: http://scikit-learn.org/stable/

GitHub: https://github.com/apachecn/scikit-learn-doc-zh（觉得不错麻烦给个
Star，我们一直在努力）

贡献者: https://github.com/apachecn/scikit-learn-doc-zh#贡献者

关于我们: http://www.apachecn.org/organization/209.html

有兴趣的们也可以和我们一起来维护，持续更新中 。。。

机器学习交流群: 629470233