如何使用python反转GP-LVM高斯过程潜变量并重构原始变量？
How to reverse GP-LVM Gaussian process latent variable and reconstruct original variables using python?
GP-LVM 可用于降维。这样降维之后，如何近似重构出原来的variables/features？
使用GPy，可以使用predict函数，其中returns预测均值和方差：
import numpy as np
from GPy.models import GPLVM
m = GPLVM(Y, input_dim=2)
m.optimize()
mean, var = m.predict(m.X)
print(np.linalg.norm(Y - mean, 2))
GP-LVM 可用于降维。这样降维之后，如何近似重构出原来的variables/features？
使用GPy，可以使用predict函数，其中returns预测均值和方差：
import numpy as np
from GPy.models import GPLVM
m = GPLVM(Y, input_dim=2)
m.optimize()
mean, var = m.predict(m.X)
print(np.linalg.norm(Y - mean, 2))