GPy自学第一课

GPy自学第一课

GPy简介

GPy是Sheffield机器学习小组开发的，基于高斯过程的框架。具有相对高的运行速度和可靠性。其三大支柱功能包括：

• 易用性：GPy自身构建的参数化框架支持以一种智能和直观的方式使用和展示参数。

# 生成一组数据
X = np.random.uniform(0, 10, (200, 1))   #在0到10之间随机生成200
f = np.sin(.3*X) + .3*np.cos(1.3*X)      #生成一组函数
f -= f.mean()
Y = f+np.random.normal(0, .1, f.shape)
plt.scatter(X, Y)

# 创建一个回归模型
m = GPy.models.GPRegression(X, Y)

# 修改参数
m.rbf.lengthscale = 1.5
# GPy在修改一个参数的时候，整个模型都会自动更新，不需要其他额外的处理

# 优化模型
m.optimize(messages=1)

_=m.plot()

运行结果：

• 可重复性：GPy有一个内建的保存和加载功能，支持在一个文件中pickle一个带有所有参数和数据的模型。便于把模型转移到另一个位置，或者用不同的初始化参数重新运行模型。

# 保存模型
pickle()
# 加载模型：
GPy.load()

• 伸缩性：GPy参数化框架可以处理任意多的数据，在控制中只需要输入内存和速度效率设置参数。

# 稀疏高斯过程
GPy.core.SparseGP?
GPy.core.SVGP?

该模型允许使用变分的DTC或FITC(高斯似然)以及基于这些的非共轭稀疏方法进行(近似)推理。