我想用不同的核函数在scikit-learn中尝试一些高斯过程回归的测试,并绘制结果。我还使用LeaveOneOut函数来训练GPR,然后在一个输入数据上进行测试。在
输入和目标数据是np.arrray,它们是从一个文件中读取的,并且两者都是(5x3):inputData = np.array([[30.1678, -173.569, 725.724],
[29.9895, -173.34, 725.76 ],
[29.9411, -173.111, 725.768],
[29.9306, -173.016, 725.98 ],
[29.6754, -172.621, 725.795]])
targetData = np.array([[14.8016, -175.911, 779.752],
[14.7319, -175.483, 779.504],
[14.5022, -175.087, 779.388],
[14.4904, -174.576, 779.416],
[14.4881, -174.058, 779.452]])
使用LeaveOneOut我用(4x3)输入数据训练GPR,并对(1x3)输入数据进行迭代测试,每次都将其添加到list或{}中。在指定内核的for循环中完成LeaveOneOut之后,我想用scatter3D和{}绘制预测图。但是我得到以下错误:
^{pr2}$
如果我将每个预测追加到一个列表中,并在np.array中进行转换,那么我得到:ax1.plot3D(inputDataTrainappendArr[:, 0], inputDataTrainAppendArr[:, 1], inputDataTrainAppendArr[:, 2], 'b: