如何在 DiceKriging 中拟合具有个体测量误差的模型，或者可以吗？
How to fit model with individual measurement error in DiceKriging, or can it?
我有一组 5 个数据点（x=10,20,30,40,50 及其相应的响应值 y 和 noise 为 s.d。y）。这些数据是从随机计算机实验中获得的。
如何在 R 中使用 DiceKriging 来拟合这些数据的克里金模型？
x <- seq(from=10, to=50, length=5)
y <- c(-0.071476,0.17683,0.19758,0.2642,0.4962)
noise <- c(0.009725,0.01432,0.03284, 0.1038, 0.1887)
带有异质噪声的在线示例预先指定为 coef.var、coef.trend 和 coef.theta。我不太可能先验这些。
我已经参考了答案here。但是，其他参考资料建议添加 nugget 参数 lambda 类似于添加均匀噪声，这不太可能 "individual errors".
km 与噪声的使用非常简单：
model <- km(~1, data.frame(x=x), y, noise.var = noise, covtype = "matern3_2")
但是，您的噪声项使 L-BFGS 算法的线搜索部分失败。这可能是因为它与 y 密切相关，因为当我 运行 以下几行时，它起作用了：
noice <- c(0.009725,0.01432,0.03284, 0.001, 0.1887)
model <- km(~1, data.frame(x=x), y, noise.var = noise, covtype = "matern3_2")
我有一组 5 个数据点（x=10,20,30,40,50 及其相应的响应值 y 和 noise 为 s.d。y）。这些数据是从随机计算机实验中获得的。
如何在 R 中使用 DiceKriging 来拟合这些数据的克里金模型？
x <- seq(from=10, to=50, length=5)
y <- c(-0.071476,0.17683,0.19758,0.2642,0.4962)
noise <- c(0.009725,0.01432,0.03284, 0.1038, 0.1887)
带有异质噪声的在线示例预先指定为 coef.var、coef.trend 和 coef.theta。我不太可能先验这些。
我已经参考了答案here。但是，其他参考资料建议添加 nugget 参数 lambda 类似于添加均匀噪声，这不太可能 "individual errors".
km 与噪声的使用非常简单：
model <- km(~1, data.frame(x=x), y, noise.var = noise, covtype = "matern3_2")
但是，您的噪声项使 L-BFGS 算法的线搜索部分失败。这可能是因为它与 y 密切相关，因为当我 运行 以下几行时，它起作用了：
noice <- c(0.009725,0.01432,0.03284, 0.001, 0.1887)
model <- km(~1, data.frame(x=x), y, noise.var = noise, covtype = "matern3_2")