每个维度具有不同内核的 3D 高斯过程
3D Gaussian Process with different kernels per dimension
我正在尝试在 Python 中实现 3D 高斯过程。该函数的输出取决于两个轴,称为 x 和 y,它们具有不同的均值函数和不同的核函数。实际上,我只需要:
K(x, x') * K(y, y')
但我不知道如何或是否可以在 sklearn 中实现它。我已经尝试查看文档,但我还没有看到如何处理;我见过的所有核函数组合都是 k1(x, x')*k2(x,x') 的形式。
这在 sklearn 中可以解决吗?还是GPy?还是 Pymc3?或者....
提前致谢。
如果两个输出 x、y 真正独立,则因式分解
K(x_i, x_j) * K(y_i, y_j)
意味着,那么一个人可以适合两个单独的模型,即每个模型一个。
我正在尝试在 Python 中实现 3D 高斯过程。该函数的输出取决于两个轴,称为 x 和 y,它们具有不同的均值函数和不同的核函数。实际上,我只需要:
K(x, x') * K(y, y')
但我不知道如何或是否可以在 sklearn 中实现它。我已经尝试查看文档,但我还没有看到如何处理;我见过的所有核函数组合都是 k1(x, x')*k2(x,x') 的形式。
这在 sklearn 中可以解决吗?还是GPy?还是 Pymc3?或者....
提前致谢。
如果两个输出 x、y 真正独立,则因式分解
K(x_i, x_j) * K(y_i, y_j)
意味着,那么一个人可以适合两个单独的模型,即每个模型一个。