Apakah mungkin untuk melakukan pemilihan penuh parameter Bayesian (1) yang diperkirakan penuh (misalnya skala kovarian) dengan kode GPML, alih-alih memaksimalkan kemungkinan marginal (2)? Saya pikir menggunakan metode MCMC untuk menyelesaikan integral yang melibatkan hyper-parameter sebelumnya harus mengarah pada hasil yang lebih baik ketika berhadapan dengan overfitting. Sejauh pengetahuan saya, kerangka kerja GPML tidak termasuk perhitungan ini, tapi mungkin ada barang kode pihak ketiga lainnya.
(1) Sec. 5.2, Ch. 5 dalam Proses Gaussian untuk Pembelajaran Mesin, Rasmussen & Williams, 2006
Jawaban:
Ada paket lain untuk pembelajaran mesin menggunakan proses Gaussian yang disebut GPstuff yang memiliki semuanya menurut saya. Anda dapat menggunakan MCMC, integrasi pada grid, dll. Untuk memarginalkan hyperparameters Anda.
NB Dalam dokumentasi mereka menyebut hyperparameters hanya parameter.
sumber