r - NaN 作为 kernlab 的高斯过程预测的输出

Question

我正在尝试使用kernlab 中的 gausspr函数解决回归问题。输入是标准化的。但是 predict(model, test.set) 的输出结果是一组 NaN 值！

训练集，X

M1 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M2 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M3 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M4 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M5 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554

训练输出，Y 是

Y = c(1,2,3,4,5)

测试集，Z

T1   1.5530507 -0.2152377 -0.202634 -0.1460405 -0.1592964
T2   1.5530507 -0.2152377 -0.202634 -0.1460405 -0.1592964
T3 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964
T4 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964
T5 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964

编码：

library(kernlab)
model <- gausspr(X,Y)
predict(model, Z)

输出是

> head(res14)
     [,1]
[1,]  NaN
[2,]  NaN
[3,]  NaN
[4,]  NaN
[5,]  NaN
[6,]  NaN

我想知道为什么我会得到这个输出。

Answer 1

因此，因为输入数据具有一组零方差列，所以可以生成协方差矩阵（有人可以说为什么吗？），最终结果将是 NaN 值。