以下X是训练矩阵，test_feature是测试数组。
squared_euclidian = np.sum(np.square(X - test_feature), axis=1)
squared_euclidian是Squared Euclidian distance
对于具有完整numpy矩阵的输入数组中的欧几里德距离
dist = np.sqrt(squared_euclidian)
和RBF（高斯）内核按this幻灯片5
test_sigma = np.square(np.std(test_feature))
dist = np.exp(-1 * (squared_euclidian / test_sigma))
我在2000个实例的数据集上测试了这些函数，其中我对欧几里得的准确率为91％，而另一个则为54％。
RBF内核的公式是错误的吗？
答案 0 :(得分：0)
这不是我在幻灯片5中看到的正确公式吗？
repr查看有关dist = np.exp(-.5 * squared_euclidian / np.square(test_feature.std()))
的估算偏差的说明here