python高斯核函数

高斯核函数，也称为径向基函数（RBF）核，是一种常用的核函数。在Python中，可以使用scikit-learn库的`RBF`类来实现高斯核函数。其代码如下：

from sklearn.metrics.pairwise import rbf_kernel

X = [[0, 1], [1, 0]]
gamma = 1.0

K = rbf_kernel(X, X, gamma)

其中，`X`是输入数据，`gamma`是高斯核函数的参数。`rbf_kernel`函数会返回一个矩阵`K`，其中的元素`K[i, j]`表示第`i`个样本和第`j`个样本之间的相似度。在这里，使用高斯核函数计算相似度。

除此之外，也可以使用numpy库来手动实现高斯核函数，其代码如下：

import numpy as np

def gaussian_kernel(x1, x2, sigma):
    return np.exp(-np.linalg.norm(x1 - x2) ** 2 / (2 * (sigma ** 2)))

x1 = np.array([0, 1])
x2 = np.array([1, 0])
sigma = 1.0

K = gaussian_kernel(x1, x2, sigma)

其中，`x1`和`x2`是输入数据，`sigma`是高斯核函数的参数。`gaussian_kernel`函数会返回`x1`和`x2`之间的相似度。在这里，使用高斯核函数计算相似度。