我正在使用scikit-learn Python 库对一个需要七个输入的函数执行贝叶斯优化（在高斯过程回归之上）。其中四个输入代表物理角度，因此高斯核在其中应该是周期性的；一个自然的选择是sklearn.gaussian_process.kernels.ExpSineSquared。但是，我不想武断地强制函数在其他三个中是周期性的。
根据The Kernel Cookbook，正确的方法是简单地将ExpSineSquared周期性变量的内核与非周期性内核（比如 Matérn 内核）相乘，并获得类似
ExpSineSquared(x[:3])*Matern(x[3:])
（其中x是参数的 7 向量）。有人会认为实现的内核Product将sklearn.gaussian_process.kernels是可行的方法，但据我所知，这不允许我选择哪些参数是周期性的，哪些不是；使用Product内核将有效地给我ExpSineSquared(x)*Matern(x).
由于我对 sklearn 中的 GPR 不是很有经验，所以实现所需内核的最佳方法是什么？