machine-learning - GPy RBF 内核实现

Question

在 rbf.py 中，k(r) 在数学上定义为：

k(r) = \sigma^2 \exp \\bigg(- \\frac{1}{2} r^2 \\bigg)

但是 rbf.py 中的 K_of_r 方法会跳过 sigma^2 而是使用 sigma (self.variance)。我在这里遗漏了什么，或者它是 K_of_r 方法的实现中的一个错误。

 def K_of_r(self, r):
        return self.variance * np.exp(-0.5 * r**2)

我认为实现应该是：

 def K_of_r(self, r):
        return (self.variance ** 2) * np.exp(-0.5 * r**2)

https://github.com/SheffieldML/GPy/blob/devel/GPy/kern/src/rbf.py#L34

Answer 1

sigma 是标准差。方差等于标准差的平方。因此 sigma^2 = 方差。