Apakah ada cara untuk melakukan Regresi Proses Gaussian pada output multidimensi (mungkin berkorelasi) menggunakan GPML ?
Dalam skrip demo saya hanya bisa menemukan contoh 1D.
Sebuah pertanyaan serupa pada CV yang menangani kasus masukan multidimensi.
Saya membaca buku mereka untuk melihat apakah saya dapat menemukan sesuatu. Dalam bab ke - 9 buku ini (bagian 9.1), mereka telah menyebutkan kasus ini dengan banyak keluaran. Mereka telah menyebutkan beberapa cara untuk mengatasi ini, Satu - menggunakan proses kebisingan yang berkorelasi dan Dua - Cokriging (sebelumnya berkorelasi).
Saya masih tidak tahu, bagaimana saya bisa memasukkan semua ide ini ke dalam kerangka kerja GPML.
Juga, apakah ada perpustakaan / kerangka kerja GP lain yang mendukung keluaran multi-dimensi?
Jawaban:
Saya percaya Proses Gaussian Kembar persis apa yang Anda cari. Saya tidak bisa mendeskripsikan model lebih baik daripada abstrak dari kertas itu sendiri, jadi saya hanya akan menyalinnya:
Para penulis telah dengan murah hati memberikan kode dan dataset sampel untuk memulai.
sumber
Jawaban singkat Regresi untuk output multi-dimensi sedikit rumit dan dalam tingkat pengetahuan saya saat ini tidak secara langsung dimasukkan dalam kotak alat GPML.
Jawaban panjang Anda dapat memecah masalah regresi output multi-dimensi menjadi 3 bagian berbeda.
Saya harap ini membantu :)
sumber
Ini adalah modul dari scikit-learn yang sangat bagus untuk saya:
http://scikit-learn.org/stable/auto_examples/gaussian_process/plot_gp_regress.html
sumber
Saya sedang mencari Gaussian Proses multi-output dan menemukan banyak cara untuk bertindak dengan itu seperti, metode konvolusi, metode pemodelan efek campuran dan terbaru yang ini Twin Gaussian Processes (TGP).
Saya memiliki keraguan dalam konsep Twin Gaussian Processes (TGP). Adakah yang bisa membantu saya dengan itu?
sumber