问题标签 [gpy]

我正在尝试安装库 GPy。虽然安装成功，但我对我的numpy版本有疑问。

GPy 库可以在这里找到https://github.com/SheffieldML/GPy

我的 numpy 的当前版本是 1.9.3

但是当我python setup.py install为 GPy 表演时，它指的是 numpy 1.10.0。我在 python 2.7/site-packages 中检查了只有一个版本的 numpy 也存在 1.9.3

因为它指的是另一个版本，所以会出现错误

谁能告诉我如何找到和删除 numpy 1.10.0 ？

我正在使用 Python 2.7 中的GPy库来执行高斯过程回归。我首先遵循 GitHub 页面中提供的教程笔记本。

示例代码：

我目睹的奇怪的事情是，在GPRegression类（好吧，它只是GP的一个小子类。）中，在它的超类（GP）中，在它的超超类中都没有实现绘图函数（模型）...全部位于GPy.core中。

当我调用m.plot()时执行的绘图函数在GPy.plotting.gpy_plot中（它不包含任何类，但仍然使用“self”关键字作为函数参数 - 但也许它只是一个“坏”名称对于函数参数？）。

我看不到GPy.core.GP对象如何访问这个绘图函数（乍一看，两个 python 文件之间没有任何链接 - GPy/core/gp.py中的 Ctrl+F“绘图”没有给出任何示例）。

当我打电话

，绘图功能确实存在，虽然没有直接在GPy.core.GP中实现。

同样的事情：（最小的可重现示例）

知道GP如何 调用gpy_plot中的绘图函数，以及为什么要这样编码吗？

我使用 GPy 在 Python 中计算了一个高斯过程模型：

我可以用它来绘制它

并将点、样条曲线和置信限可视化。现在我想提取参数和置信限以在另一个图中使用数据。我的问题是，我怎样才能访问这些数据。

如果我打印 m 我得到

谢谢！

在 rbf.py 中，k(r) 在数学上定义为：

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。

我认为实现应该是：

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

我使用 GPy 库构建并优化了稀疏高斯过程回归模型。文档建议按如下方式保存模型：

要保存模型，最好将它的 m.param_array 保存到磁盘（使用 numpy 的 np.save）。此外，您保存创建模型的脚本。

我能够保存模型的参数并从中重新创建模型。但是，我需要提前知道用于构建模型的内核架构（在下面的函数create_kernel中定义）。要创建和保存模型，我执行以下操作：

要加载模型，我目前正在执行以下操作。问题是我可能无法访问该create_kernel功能。

存储内核以备后用的最佳方式是什么？内核的参数和诱导输入存储在gp_params.npy文件中，但不存储内核的结构。目前，我必须知道使用哪个函数来创建模型，但情况并非总是如此。

非常感谢你的帮助！

在 Python 中，我试图深入研究用于估计高斯过程模型的GPy库，但在早期的简单绘图中遇到了一个绊脚石。

对于我的数据，我生成了一个简单的正弦波，在中途添加了平方增长率，GPy 成功估计了初始模型。

数据生成：

初始型号：

但是，此模型指定错误，因为数据仅使用 sin(X) 和 X^2 创建，而不仅仅是 X，因此我创建了下一个模型：

但是，现在，我得到了绘图错误，

我认为这是因为绘图不知道使用“X”作为 x 轴，只提供了 sin(X) 和 X^2。

我该如何解决这个问题？

在浏览了所有在线文档和示例之后，我还没有找到一种方法来从GPy模型中提取有关置信区间或预测区间的信息。

我生成这样的虚拟数据，

然后估计一个基本模型，

但是，没有什么清楚说明如何从那里开始......另一个问题在这里尝试问同样的事情，但是对于统计建模的如此重要的元素，这个答案不再起作用，而且似乎相当不令人满意。

我正在使用 Gpy 来训练高斯过程回归模型。输入数据的维度是4，对应的输出维度应该是3。我试着只为输出建立一个模型，模型根本不起作用。

我尝试为尺寸为 1728 x 3 的输出构建单独的 GPR 模型。但它不起作用。

我已经计算了两个 GP 回归模型，并希望将它们绘制在同一个图中。

模型 1

模型 2

我希望两个图都在一个图中，在 matplotlib 或 plotly ieGPy.plotting.show(fig, filename='filename')中。

谢谢

我正在使用doc2vec 嵌入氨基酸序列来尝试预测动力学速率。

我已经尝试过标准化和不标准化我的输入向量（X），但除非我标准化我的输出变量（动力学速率），否则我的 GP 模型预测所有测试输入的数字非常相似（在 4.87 和 4.9 之间）？

你应该标准化你的输出值还是我的模型有问题？

我在 Python 中使用GPy包。

这是我的代码：