Apa strategi yang baik untuk melakukan regresi proses Gaussian ketika fungsi saya mencoba memperkirakan perubahan dari waktu ke waktu? Pendekatan naif yang muncul di benak saya adalah dengan hanya menggunakan titik data N terbaru untuk melakukan regresi. Apa strategi yang lebih baik?
Anda dapat mencoba metode ini:
Metode Pemilihan Set Aktif Prediktif untuk Proses Gaussian
Kami mengusulkan kerangka seleksi set aktif untuk klasifikasi proses Gaussian untuk kasus-kasus ketika dataset cukup besar untuk membuat inferensi yang dianggapnya terlarang. Skema kami terdiri dari prosedur dua langkah bergantian dari aturan pembaruan set aktif dan optimisasi hyperparameter berdasarkan maksimalisasi marginal likelihood. Aturan pembaruan set aktif bergantung pada kemampuan distribusi prediktif dari proses klasifikasi Gaussian untuk memperkirakan kontribusi relatif dari titik data ketika dimasukkan atau dihapus dari model.
Jika Anda ingin algoritma anggaran tetap, lihat misalnya,
M. Lázaro-Gredilla, S. Van Vaerenbergh dan I. Santamaría, "Pendekatan Bayesian untuk Melacak dengan Kernel Recursive Least-Squares", Lokakarya Internasional IEEE tentang Pembelajaran Mesin untuk Pemrosesan Sinyal (MLSP 2011), Beijing, Cina, September 2011 .