如何为scikit-learn的高斯过程回归指定先验？

文章/答案/技术大牛

发布

1回答

python、scikit-learn、regression

正如前面提到的here，scikit learn的高斯过程回归(GPR)允许“在没有事先拟合的情况下进行预测(基于GP先验)”。但我有一个想法，我的先验应该是什么(即，它不应该简单地具有0的平均值，但也许我的输出y与我的输入X，即y = X线性缩放)。我如何将这些信息编码到GPR中？下面是一个工作示例，但它假设我的先验均值为零。I read说：“

浏览 50提问于2019-03-02得票数 8

1回答

Scikit Learn+ Scipy.optimize高斯过程回归中的外部优化器

python、scikit-learn、scipy

我第一次使用来自Scikit-learn的高斯过程回归，我想在以下方面使用scipy.optimize外部优化器： gp = GaussianProcessRegressor(kernel=kernel使用外部优化库的正确方法是什么？

浏览 0提问于2020-02-15得票数 0

1回答

如何在scikit-learn的高斯过程回归中重新调整归一化标准差？

scikit-learn、regression、normalization、standard-deviation、gaussian-process

我正在使用scikit-learn进行高斯过程回归建模。我的数据没有标准化。模型总是返回0到1之间的标准差值，这与我的数据不一致。有没有人知道如何重新调整标准差值以获得实际标准差？

浏览 9提问于2021-01-30得票数 0

3回答

如何估计科学学习中回归者的方差？

python、scikit-learn、regression、variance

科学学习中的每一个分类器都有一种方法predict_proba(x)来预测x的类概率。如何为回归者做同样的事情？我知道如何估计预测方差的唯一回归者是高斯过程回归，我可以这样做：在一维中，我甚至可以画出高斯过程回归器对不同数据点的预测有多自信📷 如何估计

浏览 0提问于2018-05-17得票数 9

回答已采纳

1回答

如何更改CARBayes包中的默认先验分布？

bayesian

它包含许多不同的模型，这个问题涉及的是‘S.CARbym’。此公式用于S.CARbym (model1)，指定泊松分布和已知的空间权重矩阵‘W’。这似乎工作得很好，但是我不确定如何为“prior.mean.beta”和“prior.var.beta”指定先验分布，这两个先验分布与默认值不同(默认的先验是高斯的，不包括在下面的第一段代码中)。我想知道，为了指定不同<

浏览 87提问于2017-12-14得票数 0

1回答

用sci-kit学习进行高斯过程回归

python、scikit-learn

上下文:在高斯过程(GP)回归中，我们可以使用两种方法：(2)贝叶斯方法:在核参数上引入参数先验分布。这种先验分布的参数称为超参数。这是令人困惑的，现在还不清楚这个包是否使用了贝叶斯方法。例如，我们在哪里指定内核参数的先验分布的参数族？问题：-学习使用方法(I)还是(II)？这是我自己<e

浏览 10提问于2022-06-23得票数 0

回答已采纳

1回答

在GPyTorch中高斯过程如何组合不同的核？

python、machine-learning-model、pytorch、gaussian-process

我试图通过使用GPyTorch来拟合Gaussian Process Regression模型来学习高斯过程。但是，我无法找到一种方法来组合不同的内核，如高斯过程的sklearn实现所示。我使用的是GPyTorch，因为它更灵活，与scikit-learn相比，它有更多可以使用的内核。任何帮助，特别是对代码片段的帮助都是非常有用的。谢谢。

浏览 0提问于2019-05-10得票数 0

回答已采纳

1回答

有没有实现多输出高斯过程的软件？

matlab、gaussian、kriging

我正在尝试使用高斯过程回归实现贝叶斯优化，我想首先尝试多输出GP。那么，有没有可以直接使用的实现多输出高斯过程的软件呢？

浏览 0提问于2016-10-07得票数 2

3回答

用scikit-learn的WhiteKernel进行高斯过程回归

python、scikit-learn

科学学习中高斯过程回归(GPR)的噪声水平有两种指定方法。第一种方法是在类GaussianProcessRegressor的构造函数中指定参数alpha，它只是按预期向对角线添加值。第二种方法是将内核中的噪声级别与WhiteKernel结合起来。GaussianProcessRegressor的文档(参见)指出，指定alpha“相当于用c=alpha添加WhiteKernel”。然而，我正在经历一种不同的<

浏览 3提问于2019-03-04得票数 4

回答已采纳

1回答

如何在贝叶斯线性回归中预测新的/未知的数据？

regression

这是我在这个论坛上的第一个问题。我刚开始学习贝叶斯统计。虽然我确实理解贝叶斯方法背后的动机，但对于这些预测的含义我还是有点不清楚。考虑一个标准回归问题，预测给定面积的房子的价格，以平方英尺为单位。假设确定了模型的最优参数(斜率和截距)。任何一栋新房子(x_new)的价格都只是编号-{ The +斜率* x_new}。在贝叶斯线性回归中，我们使用所谓的后验预测分布(简称PPD).但PPD到底是什么？ 1)概率密度函数(

浏览 0提问于2020-05-06得票数 1

1回答

带噪声观测的高斯过程

machine-learning

在高斯过程回归中，对于有噪声的观测值，噪声被添加到协方差矩阵的诊断中(如方程2.20：)，或用Kronecker增量表示。如何理解这个假设？

浏览 2提问于2014-08-04得票数 1

1回答

如何修改RFGLS_estimate_spatial命令以考虑时空依赖

r、random-forest

早上好,我想应用一个版本的随机森林，它明确地解释了观测中的空间依赖，正如“空间依赖数据的随机森林”中所介绍的那样。理论上，如果我能给函数提供时空协方差矩阵Q(它将是NT x NT矩阵)的估计，那么拟合就可以像原算法一样运行。我不知道如何修改函数RFGLS_estimate，使其能够在输入中提供协方差矩阵q，用于树的生长。先谢谢你

浏览 2提问于2022-05-26得票数 0

1回答

回归的高斯过程的超参数

matlab、machine-learning、statistics、hyperparameters

我知道高斯过程回归模型主要是由它的协方差矩阵指定的，自由超参数充当模型的‘权重’，但是谁能解释协方差矩阵中的两个超参数(长度-尺度和振幅)代表什么(因为它们不是‘真实’参数)？我对这两个参数的“实际”含义有点困惑。提前感谢您的帮助。:)

浏览 3提问于2014-06-05得票数 1

2回答

回归的高斯过程(GPR)和Logistic回归(LR)

matlab、machine-learning、statistics

我知道LR对这项工作是足够的，但我想尝试GPR。谢谢你的帮助。:-)

浏览 2提问于2014-05-30得票数 0

1回答

隐马尔可夫模型工具: Jahmm

machine-learning、hidden-markov-models

我是机器学习的新手，我读过关于机器学习的文章，但我仍然有几个问题： - Probability Distribution Function这是用来做什么的？我该怎么用呢？谢

浏览 3提问于2013-03-21得票数 1

1回答

写一个联非新议程来对火花数据进行滚动回归有意义吗？

scala、apache-spark、pyspark、window、aggregate

我会尽我最大的努力来描述我的情况，然后我希望这个网站上的另一个用户能告诉我，我正在学习的课程是否有意义，或者我是否需要重新评估我的方法/选择。在这个数据文件中，我有许多不同的“文件”。每个文件都由timeseries数据组成。我需要对数据的子集执行滚动回归，对每个“文件”进行整个时间值。在做了大量的研究之后，我计划创建一个窗口对象，创建一个UDF，指定我希望线性回归发生的

浏览 3提问于2017-10-17得票数 0

回答已采纳

1回答

如何在前馈神经网络中计算权重，然后再用偏倚对其进行总结？

machine-learning、neural-network、weighted-data、matrix

我读过很多论文，看过不同的视频，似乎他们解释了在进入激活功能之前，他们是如何用偏见来总结的。📷

浏览 0提问于2019-01-30得票数 1

回答已采纳

1回答

如何使用scikit learn高斯过程回归器再现GPy GPRegression的结果？

scikit-learn、gaussian-process、gpyopt

GPRegression (GPy)和高斯过程回归器(Scikit Learn)都使用类似的初始值和相同的优化器(lbfgs)。为什么结果差异很大？ #!pods.datasets.olympic_marathon_men()y = data['Y'] # scikit-learn

浏览 70提问于2020-11-05得票数 0

回答已采纳

1回答

访问核实验室中估计的var：：gausspr函数在R中

r、kernlab

我正在查看用于高斯过程回归的来自kernlab包的R函数kernlab。该过程由核函数的超参数和数据中的噪声来定义。我在文档中看到了我可以指定的 obs <- data.frame(x =

浏览 4提问于2012-11-16得票数 3

回答已采纳

3回答

scikit学习软标签的分类

python、machine-learning、scikit-learn、classification

根据文档，可以为SGDClassifier指定不同的损失函数。据我所知，log loss是一个cross-entropy损失函数，理论上可以处理软标签，即给出一些概率0,1的标签。问题是:是否可以将SGDClassifier与log loss函数一起用于软标签的分类问题？如果不是--这个任务(软标签上的线性分类)如何才能用scikit来解决--学习？更新： target被标记的方式以及问题的本质，硬标签并没有给出好的结果。但它仍然是一个分类问题(而不是

浏览 14提问于2017-03-15得票数 11

回答已采纳

点击加载更多