使用 GPFlow 进行具有可变已知不确定性的回归

Question

我正在尝试对一些一维数据建模，其中每个数据点都有不同的误差条。

在 GPFlow 文档中，我在此处找到了如何执行此操作的示例 (known noise variances demo)

但是，该演示似乎没有生成可以很好地模拟数据的 GP 模型，我想知道是否有人有任何建议来改进演示中的 GP 拟合？

Answer 1

这已在 this PR 中修复。这是文档中的错字。