如何解决在scikit学习中将并行输入数据用于高斯过程
我得到了尺寸为300x10的测量数据。这意味着,在相同的采样时间内,我有300个数据点用于10种不同的记录。您可以在下图中看到:
现在,我想将高斯过程与scikit结合使用,以基于这些记录以最有把握的时间间隔获得最可能的课程。
输入的形状为:
np.shape(x1): (300,10)
np.shape(X): (300,10)
np.shape(x): (3000,10)
我将基本的scikit学习实现与成熟的内核一起使用:
kernel = MAT(length_scale=10,nu=5/2) + WHT(noise_level=1)
gp = GaussianProcessRegressor(kernel=kernel,n_restarts_optimizer=3)
gp.fit(X,x1)
y_pred_1,sigma_1 = gp.predict(x,return_std=True)
代码仍然可以正常工作,但是得到了以下结果。
通过一些缩放,我可以看到,先验仅适合第一个单个数据记录,而不是对所有数据点进行先验。对于帮助和解决方案,我将感到非常高兴。 我该如何对所有数据点进行高斯过程优先处理?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。