首页 文章

Sklearn中用于高斯过程回归的核语法

提问于
浏览
0

我正在尝试为二维输入数据集实现高斯过程回归 . 我想修改内核函数 . 内核在示例代码中定义为:

kernel = C(1.0, (1e-3, 1e3)) * RBF(10, (1e-2, 1e2))

并用于将高斯过程回归定义为:

gp = GaussianProcessRegressor(kernel=kernel, n_restarts_optimizer=15)

我知道C是constanceKernel而RBF是径向基函数 . 我想知道定义内核的语法中的其余术语 .

1 回答

  • 0

    C: Constant Kernel (可以用作产品内核的一部分,它可以扩展另一个因子(内核)的大小,或者作为求和内核的一部分,它可以修改高斯过程的平均值 . )

    ConstantKernel(constant_value=1.0, constant_value_bounds=(1e-05, 100000.0))
    

    RBF: Radial Basis Function kernel or squared-exponential kernel.

    RBF(length_scale=1.0, length_scale_bounds=(1e-05, 100000.0))
    

    RBF内核是固定内核 . 它也被称为“平方指数”内核 . 它由长度尺度参数length_scale> 0参数化,该参数可以是标量(内核的各向同性变体),也可以是与输入X(内核的各向异性变体)具有相同维数的向量 . 内核由下式给出:

    k(x_i, x_j) = exp(-1 / 2 d(x_i / length_scale, x_j / length_scale)^2)
    

相关问题