使用 numpy 方法计算自定义内核矩阵

问题描述

我有一个形状为 d X N 的数据（每列是一个特征向量） 我有计算内核矩阵的代码：

def kernel(x1,x2):
  return x1.T @ x2

data = np.array([[1,2,3],[1,3]])
result = []
for i in range(data.shape[1]):
  current_result = []
  for j in range(data.shape[1]):
    x1 = data[:,i]
    x2 = data[:,j]
    current_result.append(kernel(x1,x2))
  result.append(current_result)

np.array(result)

我几周前问过这个问题： Calculating Kernel matrix using numpy methods

我得到了这个答案：

 np.einsum('ji,jk->ik',a,optimize=True)

这是一个很好的答案，问题是它只适用于这个特定的内核。现在我需要使用不同的内核函数。 有没有办法只使用 numpy 函数来计算这些值？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）