Python pyGPs：用于多维 x 和 z 回归的 IndexError，setData(x,y) 和 predict(z)

Question

我正在尝试编写代码以使用 pyGPs 执行回归，其中我的训练数据 x（和测试数据 z）是多维的。所以例如训练示例为 x:(0.2, 0.5) 和 y:(0.7)。我首先尝试了演示 "demo_GPR_FITC.py" 中的一些代码，其中 x 和 z 是一维的：

demoData = np.load('regression_data.npz') 

x = demoData['x']            # training data
y = demoData['y']            # training target
z = demoData['xstar']        # test data
# Start from a new model 
model = pyGPs.GPR_FITC()

model.setData(x, y)
#model.optimize()     
model.predict(z)
model.plot()

这行得通，所以我尝试运行演示，我将 x 和 z 的维度扩展到二维，如下所示：

我把x转成x2，这样当x的一个元素是0.2时，x2的元素就是[0.2, 0.2]。

所以 x 的形状是 (20L, 1L)，x2 的形状是 (20L, 2L)。我对测试数据 z 做了同样的事情，并尝试设置数据和预测。这是我使用的代码：

demoData = np.load('regression_data.npz')
x = demoData['x'] # training data
y = demoData['y'] # training target
z = demoData['xstar'] # test data
# Start from a new model 
model = pyGPs.GPR_FITC()

x2 = []
for i in range (len(x)):
    x2.append([x[i][0], x[i][0]])
x2 = np.asarray(x2)

z2 = []
for i in range (len(z)):
    z2.append([z[i][0], z[i][0]])
z2 = np.asarray(z2)

model.setData(x2, y)
#model.optimize()        
model.predict(z2)
model.plot()

通过运行将上面的代码与多维 x 和 z 结合起来，我得到以下错误：

Traceback (most recent call last):

  File "<ipython-input-176-8b27178cc782>", line 22, in <module>
    model.predict(z2)

  File "C:\Program Files\WinPython-64bit-2.7.10.2\python-2.7.10.amd64\lib\site-packages\pyGPs\Core\gp.py", line 395, in predict
    Ks  = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross')   # cross-covariances

IndexError: index 20 is out of bounds for axis 0 with size 20

现在我的问题是我是否需要以其他方式制作 x2 和 z2？或者演示中的代码是否不适用于多维 x 和 z，如果是这样，我可以使用其他方法吗？

先谢谢你！

Answer 1

这是一个索引错误。现在已经修好了。请从 github 获取 pyGP 或在 gp.py 中添加：

if isinstance(covfunc, FITCOfKernel): 
    Ks = covfunc.getCovMatrix(x=x, z=xs[id,:], mode='cross')   #   cross-covariances
    Ks = Ks[nz,:]
else:
    Ks  = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross')   # cross-covariances

感谢您指出这一点！马里昂

Python pyGPs：用于多维 x 和 z 回归的 IndexError，setData(x,y) 和 predict(z)

Python pyGPs: IndexError for regression with multi-dimensional x and z, setData(x,y) and predict(z)

python

regression

machine-learning

multidimensional-array