1

我对GPR很陌生。如果您对以下问题提供一些建议，我将不胜感激：

我们可以在稀疏高斯过程中使用Matern52内核吗？

选择伪输入 (Z) 的最佳方法是什么？随机抽样是否合理？

我想提一下，当我使用 Matern52 内核时，以下错误会停止优化过程。我的代码：

k1 = gpflow.kernels.Matern52(input_dim=X_train.shape[1], ARD=True)
m = gpflow.models.SGPR(X_train, Y_train, kern=k1, Z=X_train[:50, :].copy())

InvalidArgumentError（参见上面的回溯）：输入矩阵不可逆。[[节点：gradients_25/SGPR-31ceaea6-412/Cholesky_grad/MatrixTriangularSolve = MatrixTriangularSolve[T=DT_DOUBLE, adjoint=false, lower=true, _device="/job:localhost/replica:0/task:0/device:CPU: 0"](SGPR-31ceaea6-412/Cholesky, SGPR-31ceaea6-412/eye_1/MatrixDiag)]

任何帮助将不胜感激，谢谢。

4

1 回答 1

1

您是否在一小部分测试数据上进行了尝试，您可以在这里发布？没有理由 Matern52 不应该工作。随机采样诱导点应该是一个合理的初始化，尤其是在更高维度。但是，如果您最终得到一些彼此非常接近的诱导点，您可能会遇到问题（这会使 K_{zz} = cov(f(Z), f(Z)) 矩阵条件不佳，这可以解释为什么Cholesky 失败）。如果您的 X_train 尚未改组，您可能希望使用Z=X_train[np.random.permutation(len(X_train))[:50]来获取改组的索引。添加白噪声内核 kern=k1+gpflow.kernels.White() 也可能会有所帮助...

于 2018-10-02T10:41:52.527 回答