再会！
我正在使用 GPFlow 回归来模拟球体上的函数（点和北极之间的球面距离）。这是我的代码：
model = gpflow.models.GPR(data=(nodes_train, fs_train), kernel=kernel, noise_variance=0.01)
gpflow.utilities.set_trainable(model.likelihood.variance, False)
model.likelihood.variance.assign(0.0001)
optimize_GPR(model, 500)
我在球体上随机选择了训练和测试集
train_test_split(data, test_size = 0.33)
我设置了一个不可训练的参数，因为我的模型在测试集和训练集上都给出了不好的预测。现在我predict_f()对测试集有非常糟糕的预测（使用 ）和对训练集的非常好的预测，同样在测试集上，它看起来模型给出了具有大预测协方差的任意分布值。这是一个可视化（我将函数的值从球体上的对应点推迟）
问题：如何修复测试集的预测？可能是什么问题呢？
图片：
| 列车组预测 | 对测试集的预测 |
|---|---|
 |
 |