Python 使用自定义距离评估Matern内核

我正在尝试评估scikit学习包中的matern内核。所以基本上，我是这样做的

import numpy as np
from sklearn.gaussian_process.kernels import Matern as skMatern

locs=np.array([[0, 0], [0, 0.5], [0.5, 0.7]])

K = skMatern(nu=1.8, length_scale=0.2)
covMat = K(locs)

我的问题是，我希望能够确定内核计算点之间距离的方式

换句话说，我上面的代码计算

其中是主协方差函数，是

locs

数组的行。我想要的是计算并能够自己指定d（可能作为距离矩阵）。我一直在看

scikit-learn

文档，但还没有弄清楚如何做到这一点。谢谢你的帮助