tslearn.metrics.gak

tslearn.metrics.gak(s1, s2, sigma=1.0, be=None)

计算（可能是多维的）时间序列之间的全局对齐核（GAK）并返回它。

不要求两个时间序列的大小相同，但它们必须具有相同的维度。GAK最初在[1]中提出。这是一个标准化版本，确保对于所有的\(x\)，\(k(x,x)=1\)，并且对于所有的\(x, y\)，\(k(x,y) \in [0, 1]\)。

Parameters:

s1array-like, shape=(sz1, d) or (sz1,)

一个时间序列。 如果形状是(sz1,)，则假定时间序列是单变量的。

s2array-like, shape=(sz2, d) or (sz2,)

另一个时间序列。 如果形状是 (sz2,)，则假定时间序列是单变量的。

sigmafloat (default 1.)

用于GAK的内部高斯核的带宽。

beBackend object or string or None

后端。如果 be 是类 NumPyBackend 的实例或字符串 “numpy”，则使用 NumPy 后端。 如果 be 是类 PyTorchBackend 的实例或字符串 “pytorch”，则使用 PyTorch 后端。 如果 be 是 None，则后端由输入数组决定。 更多信息请参阅我们的 专用用户指南页面。

Returns:

float

内核值

另请参阅

cdist_gak

使用全局对齐核计算交叉相似性矩阵

参考文献

[1]

13. Cuturi, “快速全局对齐核,” ICML 2011.

示例

>>> gak([1, 2, 3], [1., 2., 2., 3.], sigma=2.)  
0.839...
>>> gak([1, 2, 3], [1., 2., 2., 3., 4.])  
0.273...