声明:版权所有,转载请联系作者并注明出处 http://blog.csdn.net/u013719780?viewmode=contents
博主简介:风雪夜归子(英文名: Allen),机器学习算法攻城狮,喜爱钻研Machine Learning的黑科技,对Deep Learning和Artificial Intelligence充满兴趣,经常关注kaggle数据挖掘竞赛平台,对数据、Machine Learning和Artificial Intelligence有兴趣的各位童鞋可以一起探讨哦,个人CSDN博客: http://blog.csdn.net/u013719780?viewmode=contents
直接定义一个正态随机过程对象
前面我们只触及了正态随机过程的表面。在本主题中,我们将介绍直接创建一个具有指定相关函数的正态随机过程。
Getting ready
gaussian_process
模块可以直接连接不同的相关函数与回归方程。这样就可以不创建GaussianProcess
对象,直接通过函数创建需要的对象。如果你更熟悉面向对象的编程方法,这里只算是模块级的一个类方法而已。
在本主题中,我们将使用大部分函数,并把他们的结果用几个例子显示出来。如果你想真正掌握这些相关函数的特点,不要仅仅停留在这些例子上。这里不再介绍新的数学理论,让我们直接演示如何做。
How to do it...
首先,我们导入要回归的数据:
from sklearn.datasets import make_regression
X, y = make_regression(1000, 1, 1)
from sklearn.gaussian_process import regression_models
第一个相关函数是常系数相关函数。它有若干常数构成:
regression_models.constant(X)[:5]
还有线性相关函数与平方指数相关函数,它们也是GaussianProcess
类的默认值:
regression_models.linear(X)[:1]
regression_models.quadratic(X)[:1]
How it works...
这样我们就可以得到回归函数了,可以直接用GaussianProcess
对象来处理它们。默认值是常系数相关函数,但我们也可以把轻松的把线性模型和平方指数模型传递进去。