问题标签 [gpytorch]
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.
shap - 如何获取 GPyTorch 回归器的 SHAP 值?
我在获取 GPyTorch 回归模型的 SHAP 值时遇到问题。
以下是我正在使用的 GPyTorch 代码:
我尝试了不同的方法从模型中获取 SHAP 值,但都没有成功。我尝试了什么:
第一次尝试:
错误
第二次尝试:
错误:
如果您有任何解决此问题的想法,请告诉我。
python - 导入可能性失败
我正在尝试与高斯过程分类取得联系并尝试从https://docs.gpytorch.ai/en/stable/examples/01_Exact_GPs/GP_Regression_on_Classification_Labels.html重现该示例
按照他们的代码,我想通过
但是,这似乎不起作用,我得到了错误:
FixedNoiseGaussianLikelihood 等其他可能性也不起作用。
我试图在 Conda 中重新安装 GPyTorch,但没有帮助。 但是导入 ie GaussianLikelihood 没有问题。有人遇到过类似的问题,或者知道如何解决这个错误吗?
编辑:它仅不适用于 Jupyter Notebook。
最好的
gaussian-process - 高斯过程后验的 Karhunen-Loève 展开
我使用高斯过程 (GP) 的后验作为非线性微分方程求解器的输入,为简单起见,它会产生标量输出。我想计算标量输出的方差,为此我正在考虑使用 GP 的 Karhunen-Loève (KL) 展开与系数的 sigma 点相结合。因此,在数学上,我需要计算后验协方差函数的特征函数。关于这是否可以实现的任何想法?
在我的理解中,蛮力方法可以是在足够精细的输入网格处计算训练后的 GP 的后协方差矩阵,然后计算其特征向量。但是,我将不得不回归计算的特征向量以将它们转换为连续函数,该函数可用于微分方程求解器。我想知道是否有更好/更优雅的方式来做到这一点?我为此使用 GPyTorch,但其他工具也可能有用。
regression - 深度高斯过程超参数
我正在使用 Gpytorch 来运行深度高斯过程回归回归模型,并且我正在使用自动 Adam 优化器来优化超参数。
这是我正在使用的合成数据集的创建:
当我运行这一行来找出超参数时,我得到一个错误:只有一个元素张量可以转换为 Python 标量
有人知道我该如何解决这个问题吗?这是我的深度 GP 回归模型的定义:
培训代码:
测试代码:
提前非常感谢。
pytorch - 如何为 gpytorch 中的所有功能学习一个通用高斯过程
我正在尝试重新实现本网站中的示例:他们有代码的地方:
他们提到他们为每个特征学习一个 GP,但我希望所有特征都具有相同的高斯。任何人都知道该怎么做?
python - GPyTorch Multi-class Classification ; What is num_features in "gpytorch.likelihoods.SoftmaxLikelihood"?
I am trying to make a Multi-class classifier based on the notebook by changing "likelihoods.BernoulliLikelihood" into "likelihoods.SoftmaxLikelihood".
However, I cannot find the suitable value for parameter num_features
. I tried different values but all of them give error. I appreciate it if you guide me on this issue.
Code:
kriging - 在高斯过程回归中,如何找到附近的训练数据点,这些数据点对给定测试样本的输出有很大影响(使用 GPyTorch)?
我正在使用 GPyTorch 进行高斯过程回归。我想分析我建立的模型中的一些异常值。为此,我想查看对异常值的输出(目标)值有很大影响的训练数据点。如何找到附近的训练数据点?
python - Pytorch 几何;RuntimeError: mat1 dim 1 必须匹配 mat2 dim 0
我是 pytorch 几何的新手,在运行我的模型时出现此错误:
RuntimeError: mat1 dim 1 必须匹配 mat2 dim 0
运行此代码时发生错误,它发生在z = model.encode(x, train_pos_edge_index)行
我生成模型的类如下:
使用来自 torch_geometric.nn 的 VGAE,我创建模型如下:
变量的维度如下:
模型中层的维数如下:
完整的错误回溯如下:
scikit-learn - 时间序列的高斯过程内核:一个内核用于 t<0,一个内核用于 t>0,这可能吗?
我有小时间序列, (t_i, Y_i)_{i<N} (N ~ 20 并且从一个到另一个变化)。现在,我知道对于某些 t_i <0 的行为与 t_i>0 的行为不同,并且从一个系列到另一个系列,切割两个进程时区的索引“i”是不同的。好吧,似乎我可以独立地为时区煮一个内核,但我在徘徊,是否可以粘合两个内核?
如果你给我举个例子,我可以使用 scikit-learn 或 numpyro 或 pytorch。谢谢