【Python实例第35讲】高斯过程分类：Iris数据集

机器学习训练营——机器学习爱好者的自由交流空间（qq 群号：696721295）

这个例子演示了高斯过程分类的预测概率，分别对应isotropic and anisotropic RBF核。数据集是iris数据集的二维版本。结果显示， anisotropic RBF核获得了稍微高一些的对数边际似然。

实例代码

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF

# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2]  # we only take the first two features.
y = np.array(iris.target, dtype=int)

h = .02  # step size in the mesh

kernel = 1.0 * RBF([1.0])
gpc_rbf_isotropic = GaussianProcessClassifier(kernel=kernel).fit(X, y)
kernel = 1.0 * RBF([1.0, 1.0])
gpc_rbf_anisotropic = GaussianProcessClassifier(kernel=kernel).fit(X, y)

# create a mesh to plot in
x_min, x_m