高斯过程回归GPR

余生最年轻

已于 2022-04-07 20:45:27 修改

阅读量4.4w

点赞数 24

分类专栏：机器学习文章标签： GP

于 2018-07-02 20:12:18 首次发布

本文链接：https://blog.csdn.net/qq_40597317/article/details/80889114

版权

本文介绍了高斯过程回归（GPR）的基本思想和算法，重点讨论了高斯核函数（RBF）及其超参数调优在GPR中的作用。通过MATLAB实现，阐述了GPR如何用于贝叶斯优化，并提及了Matern核作为另一种选择。

摘要由CSDN通过智能技术生成

关键字：核函数，RBF 超参数调优

对这个很熟悉了，简单写一下

本人用matlab实现了一下，代码如下（共如下4个文件）:

KK.m 文件：

function [ a ] = KK( x1,x2 )
%UNTITLED7 Summary of this function goes here
%   Detailed explanation goes here
sigmaa=1.61
l=0.99769
a=sigmaa*exp(-(x1-x2)^2/(2*l*l))
end

Aveaged.m

function [ a ] =Aveaged( kx,K,y)
a=kx'*inv(K)*y;
%UNTITLED4 Summary of this function goes here
%   Detailed explanation goes here


end

Squared.m

function [ a ] = Squared( kx,K )
%UNTITLED5 Summary of this function goes here
%   Detailed explanation goes here
a=-kx'*inv(K)*kx+1.7

end

drawings.m

% n=50;
% x=linspace(40,70,n);
% y= 7*x + normrnd(0,5,size(x));
% plot(x,y)
% hold on;
% [p,s]=polyfit(x,y,1);
% [yfit,dy]=polyconf(p,x,s,'predopt','curve');
% fill([x,fliplr(x)],[yfit-dy,fliplr(yfit+dy)],[0.8706 0.9216 0.9804])
% line(x,yfit,'color','r')
% line(x,yfit-dy,'color','r','linestyle',':')
% line(x,yfit+dy,'color','r','linestyle',':')
% x=0:pi/100:2*pi;
% y=sin(x);
% plot(x,y,'r:')
N=20
orgin_x=[-1.5,-1,-0.75,-0.4,-0.25,0]'
orgin_y=[-1.6,-1.2