Question

我正在尝试使用scikit-learn执行内核PCA，使用不在其实现中的内核（以及此内核可识别的自定义输入格式）。如果我可以提前计算内核，保存它，然后在内核PCA中使用它，那可能是最简单的。

KernelPCA的precomputed参数意味着我能够做我想做的事;但是，它没有在文档中解释，我找不到任何使用它的例子。即使在the unit test source code for KernelPCA in sklearn中，代码似乎也没有真正说明预先计算的内核是什么。

有谁知道如何使用我自己的预先计算的内核？

Answer 1

您需要在拟合时使用的预先计算的内核是样本之间的克矩阵。即如果您有n_samples个x_i个样本，那么您需要将fit作为G为G_ij = K(x_i, x_j)定义的矩阵i, j作为第一个参数在0和n_samples - 1之间。

E.g。对于线性内核，这是

def linear_kernel(X, Y):
    return X.dot(Y.T)

X = np.random.randn(10, 20)
gram = linear_kernel(X, X)

对于X_test的预测，您需要传递

X_test = np.random.randn(5, 20)
gram_test = linear_kernel(X_test, X)

这可以在单元测试中看到，例如here