繁体   English   中英

高斯过程的超参数回归

[英]Hyper-parameters of Gaussian Processes for Regression

我知道高斯过程回归模型主要由其协方差矩阵指定,自由超参数充当模型的“权重”。 但是,谁能解释协方差矩阵中的2个超参数(长度标度和振幅)代表什么(因为它们不是“真实”参数)? 我对这两个参数的“实际”含义有些困惑。

提前谢谢你的帮助。 :)

首先,我想指出的是,高斯过程中可以使用无数个内核。 但是,最常见的一种是RBF(也称为平方指数,平方幂等)。 该内核具有以下形式:

FOO +酒吧

上面的等式当然适用于简单的一维情况。 这里l是长度标度,sigma是方差参数(请注意,根据来源,它们使用不同的名称)。 长度标尺有效地控制了两个点如何看起来相似,因为它简单地放大了x和x'之间的距离。 方差参数控制函数的平滑程度。 这些是相关但不相同的。

《内核食谱》给出了很好的描述,并将RBF内核与其他常用内核进行了比较。

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM