python - 使用自定义距离评估 Matern 内核

Question

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

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



哪里 是 Matern 协方差函数和 , 是 locs 的行大批。我想要的是计算 并且能够自己指定 d (也许作为距离矩阵)。我一直在看 scikit-learn文档，但一直无法弄清楚如何去做。谢谢你的帮助!

Answer 1

有点晚了，但它可以帮助别人。如 d是你的距离矩阵，你可以写:

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广播到正确的形状。