问题标签 [gpy]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - sklearn中的高斯过程分类器属性
我希望我的高斯过程分类器具有二项式似然性，为此我正在使用sklearn 的实现。我无法将二项式似然用于我的观察，以及每个样本的观察数量的元数据，这在 GPy 包的 GP 实现中是可能的。
基本上，我正在寻找将从 GPy 包创建的以下对象转换为使用 sklearn 的 GP 分类器模型制作的对象。
这里，k_train 是积极事件的数量，n_train 是事件的总数。
我在 sklearn 的实现中遇到了一个属性base_estimator_，我不知道如何使用。对我的要求有帮助吗？如果是，那么如何使用它？
python - GPy.GPCoregionalizedRegression 最重要的输入维度？
GPy.models.GPCoregionalizedRegression我已经使用包的模型成功地训练了一个多输出高斯过程模型GPy。该模型有约 25 个输入和 6 个输出。
底层内核是GPy.util.multioutput.ICM由 RationalQuadratic 内核GPy.kern.RatQuad和GPy.kern.CoregionalizeKernel 组成的内核。
我现在对每个单独输出的特征重要性感兴趣。RatQuad 内核提供了一个ARD=True（Automatic Relevance Determination）关键字，它允许获取其输出对于单个输出模型的特征重要性（这也被get_most_significant_input_dimension()GPy 模型的方法所利用）。
但是，在模型上调用该get_most_significant_input_dimension()方法会给我一个索引列表，我认为这些索引是所有输出GPy.models.GPCoregionalizedRegression中最重要的输入。
如何计算/获取模型每个单独输出的长度尺度值或最重要的特征？
gaussian - GPy高斯过程推理导致不合理方差
我正在试验 GPy 如何捕获底层过程。我使用已知的rbf超参数模拟了许多高斯过程，并试图查看 GPy 模型是否对超参数做出有意义的推断。
起点很简单，模拟无噪音：
现在，很明显，根据下图，即使是来自这个模拟 GP 曲线的非常密集的采样也不会导致推断更接近已知方差：var = 4.5，这种模式怎么会导致推断var=8.5？我用不同的随机初始化重新运行了代码，但仍然得到了相同的不合理值。
图像可以在这里看到。
谁能给我一个提示？
非常感谢！
python - 谁能给我一个Python中多输入高斯过程的代码？
我尝试同时使用 GPy 和 GPflow。
无论如何，我无法让代码完全正常运行。
我想用它来分析卫星数据。所以，我需要多输入来融合不同的传感器数据。