如何評估高斯過程潛變量模型¶

[英]How to evaluate Gaussian Process Latent Variable Model¶

我正在關注高斯過程潛在變量 Model 的教程，這里是鏈接https://pyro.ai/examples/gplvm.html 它是一種降維方法。 現在我想評估 model 並找到准確性，混淆矩陣是否可以這樣做？ ...

GPflow 2：VGP model，帶有 MOK 和多輸入拋出 ValueError

[英]GPflow 2: VGP model with MOK and multiple-input throws ValueError

我正在關注GPflow 2.5.2 文檔的多輸出 kernel 筆記本。 我嘗試用 VGP 或 GPR model 替換 SVGP model，因為我只有很少的數據並且不需要稀疏方面。 我正在使用SharedIndependent多輸出 kernel。 對於這兩個模型，我都得到 ValueErro ...

使用 pytorch 學習多元正態協方差矩陣

[英]Learning multivariate normal covariance matrix using pytorch

我正在嘗試使用一些觀察來學習多元正態協方差矩陣（Sigma，∑）。 我采用的方法是使用 pytorch.distributions.MultivariateNormal： 我沒有。 我嘗試擺弄 loc 和 scale_tril 參數的尺寸。 似乎沒有任何效果。 有任何想法嗎？ 我顯然可以自己實現這一 ...

Sklearn：使用 GaussianProcessRegressor 對每次運行進行不同的預測

[英]Sklearn: different predictions on every run with GaussianProcessRegressor

我正在嘗試使用高斯過程預測並找到目標 function 的最大值。 然而，有時，我從 GPR 獲得的預測在整個范圍內都是平坦且恆定的。 如果我再次運行它，它可能會正常工作。 我在這里附上一些代碼來重現：import matplotlib.pyplot as plt import numpy as n ...

如何使用 numpy 從 sklearn 計算 WhiteKernel？

[英]How to calculate the WhiteKernel from sklearn using numpy?

我必須重建一個內核 unsing numpy： 這就是我為 ConstantKernel 和 RBF 得到的（它有效）： 現在我想知道如何重建 WhiteKernel。 一些想法？ 謝謝！ ...

在 Torch 中使用矩陣求逆與在高斯過程回歸中使用 Numpy（上一個問題已解決）

[英]Using matrix inversion in Torch versus Numpy in Gaussian Process Regression (previous question solved)

我正在構建一個基於 Torch 的高斯過程模型，它允許我使用自定義內核並利用自動衍生工具。 但是，我發現即使在最簡單的情況下，基於 Numpy 的實現也比基於 Torch 的實現給出了非常好的結果。 請允許我附上代碼 這是我得到的回歸結果 使用了exp核，導致預測均值不平滑。 下面我嘗試使 ...

對於必須很大的預測，sklearn GP return std dev 為零

[英]sklearn GP return std dev is zero for predictions where it must be large

我正在嘗試使用高斯過程 sklearn 包進行回歸。 預測的標准偏差為零，它必須更大。 在這里，我展示了訓練模型后來自后驗的樣本。 它清楚地顯示了標准偏差隨着 x 軸的增加。 這是我得到的輸出。 隨着值沿 x 軸增加，stddev 必須增加，因為它顯示零 stddev。 實際結果應該是這 ...

Gpytorch 是使用分析梯度還是自動微分進行訓練？

[英]Does Gpytorch use Analytic gradient or Automatic differentiation for training?

我對 gpytorch 如何計算與 model 的參數有關的梯度感到困惑。例如，假設我正在使用具有高斯似然、RBF kernel 和常量均值的 ExactGP，並使用 MLE（最大似然估計）來查找model（平均值，kernel 參數和噪聲）。 計算 model 的梯度 w.r.t 參數的一種方法 ...

高斯過程回歸：基於驗證集調整超參數

[英]Gaussian Process Regression: tune hyperparameters based on validation set

在 高斯過程回歸 (GPR) 的標准 scikit-learn 實現中，基於訓練集選擇（內核的）超參數。 是否有一個易於使用的 GPR 實現（在 python 中），其中超參數（內核的）是基於單獨的驗證集選擇的？ 或者交叉驗證也是尋找合適的超參數的一個不錯的選擇（經過優化以在多個 train-val ...

GPflow SGPR 的預測公式有誤？

[英]Error in prediction formula for GPflow SGPR?

我認為此GPflow 文檔頁面中的倒數第二個方程式有誤。 我在這里提供詳細信息。 這是對的嗎？ ...

SKlearn：高斯過程回歸（長度尺度值

[英]SKlearn: Gaussian Process Regression (legth scale value

我正在嘗試使用 GaussianProcessRegressor 擬合 GP，並嘗試獲取長度比例值（超參數）。 我嘗試了gp.kernel_.get_params()並獲得了所有參數（結果如下）。 但是，我想僅將向量length_scale=[7.68, 100, 6.04]保存到文件或變量中，以便 ...

如何從 GPFlow 中的隨機變分高斯過程 (SVGP) 中獲取噪聲方差

[英]How to get the noise variance from the Stochastic Variational Gaussian Process (SVGP) in GPFlow

正如問題所述，我想知道如何從 GPFlow 中的 SVGP model 獲取噪聲方差（而不是信號方差）。 為了澄清噪聲方差，我的意思是高斯似然的參數，我理解它是觀測值的預測方差減去潛在 function 的預測方差之間的差異（后者是我所說的信號方差）。 SVGP 實際上不是我的目標，我試圖了解異方 ...

高斯置信區間：Python

[英]Gaussian Confidence Interval: Python

我正在編寫一個腳本，它使用 GPR 來分析和預測不同燃料的燃燒特性。 我的測試集有很好的輸出，現在想要添加 95% 的置信區間。 當我嘗試實施間隔時，我得到了可怕的結果。 請發送幫助。 ...

如何在 gpflow 中使用具有非變異 GPR 的小批量？

[英]How can I use minibatches with a non-variational GPR in gpflow?

我試圖調整本文檔中的說明以使用小批量來訓練 GPR 模型，但我嘗試過的任何方法都不起作用。 我無法為 training_loss_closure 方法提供批處理迭代器，也無法為模型的數據屬性使用批處理迭代器。 有沒有辦法在 gpflow 中使用帶有非變分模型（如 GPR 或 SGPR）的小批量？ ...

GPflow 中是否有關於異方差高斯過程的代碼或研究？

[英]Is there code or research about Heteroscedastic Gaussian Process in GPflow?

我現在正在研究具有異方差噪聲的GP模型，想知道GPflow社區有沒有代碼或者注釋，方便了解一下。 非常感謝！ ...

有沒有辦法從 GPflow GPR 模型中檢索權重？

[英]Is there a way to retrieve the weights from a GPflow GPR model?

有沒有辦法從GPflow GPR 模型中檢索權重？ 我不一定需要明確的權重。 但是，我有兩個問題可以使用權重解決： 我想編譯並將經過訓練的模型發送給第三方。 我想在不發送訓練數據且第三方無法訪問訓練數據的情況下執行此操作。 我希望能夠在不計算新方差的情況下預測新的平均值。 目前 pred ...

如何將 gpflow GPR 的批量訓練編譯為 tf.function？

[英]How can I compile batched training of a gpflow GPR into a tf.function?

我需要使用自定義損失函數在每個時期多批次訓練 GPR 模型。 我想使用GPflow執行此操作，並且我想使用tf.function編譯我的訓練以提高效率。 然而， gpflow.GPR必須是每次提供新數據時重新初始化，所以tf.function將不得不每次都重新追查。 這使得代碼更慢而不是更快。 這 ...

稀疏矩陣 Cholesky 分解的復雜性

[英]Complexity of Sparse Matrix Cholesky decomposition

我很難找到以下問題的直接答案： 如果您計算 nxn 正定對稱矩陣 A 的 Cholesky 分解，即因子 A=LL^T 與 L 下三角矩陣，則復雜度為 O(n^3)。 對於稀疏矩陣，顯然有更快的算法，但要快多少？ 對於具有 m<n^2 個非零項的矩陣，我們可以實現什么復雜度？ 編輯：我的 ...

GPR 中的 normalize_y

[英]normalize_y in GPR

我正在嘗試在 sklearn 中使用 GaussianProcessRegressor 來預測未知值。 目標值通常在 1000-10000 之間。 由於它們不是 0 均值先驗，我將模型設置為normalize_y = False ，這是默認設置。 from sklearn.gaussian_proc ...

如何在 openturns 中獲得更好的克里金結果圖？

[英]how to get better Kriging result graphs in openturns?

我執行了球形克里金法，但似乎無法獲得好的輸出圖。 坐標（x 和 y）范圍從大約 51 緯度到 6.5 左右，因為經度我的觀察范圍從 -70 到 +10，這里是我的代碼： 這是我的輸出： 克里金元模型圖 我不知道為什么我的圖表不會顯示我的輸入以及我的克里金結果。 感謝您的想法和幫助 ...