本示例说明了具有sum-kernel(包含WhiteKernel)的GPR可以估计数据的噪声级别。对数边际似然(LML)情况的图示说明了存在LML的两个局部最大值,第一个局部最大值对应于具有高噪声水平和较大长度范围(length scale)的模型,该模型解释了噪声中数据的所有变化,第二个局部最大值具有较小的噪声级别和较短的长度范围(length scale),这就解释了无噪声函数关系的大部分变化。第二种模型具有更高的可能性,但是,根据超参数的初始值,基于梯度的优化也可能会收敛到高噪声解, 因此,对于不同的初始化,多次重复优化至关重要。
print(__doc__)
# 作者: Jan Hendrik Metzen
#
# 许可证: BSD 3 clause
import numpy as