MATLAB实战
net = fitrgp(p_train, t_train, 'KernelFunction', 'ardsquaredexponential', ...
'Optimizer', 'lbfgs', 'KernelParameters', [sigmaL0; sigmaF0], 'Sigma', sigmaN0);
fitrgp
函数来训练一个 高斯过程回归模型 (Gaussian Process Regression, GPR)。具体来说,它在训练数据 p_train
和目标值 t_train
上拟合模型,并设置了若干超参数。以下是每个部分的解释:
1. fitrgp(p_train, t_train, ...)
:
fitrgp
是 MATLAB 用于训练高斯过程回归模型的函数。它接受输入数据和目标数据,并返回一个训练好的模型net
。p_train
:这是输入数据(特征矩阵),大小为 n×dn \times dn×d,其中 nnn 是样本数量,ddd 是特征维度。t_train
:这是对应的输出数据(目标值),通常是一个 n×1n \times 1n×1 的向量,表示每个样本的目标值。
2. 'KernelFunction', 'ardsquaredexponential'
:
KernelFunction
是用于指定核函数的参数。这里设置为'ardsquaredexponential'
,即自动相关长度平方指数核(ARD Squared Exponential Kernel)。- ARD(Automatic Relevance Determination,自动相关确定)允许每个输入维度有不同的长度尺度参数 lll,从而对每个特征自动进行相关性评估。
- Squared Exponential Kernel 是高斯过程常用的核函数,它是一个平滑的核函数,具有良好的拟合能力,通常用于连续数据的回归问题。