小编Kot*_*ots的帖子

我有一个 for i=1:15.在里面我生成一个变量d=1:0.01:10,它是x'x轴,基于此,我创建了一个连续函数F(d),它有2个唯一变量pitch和yaw.然后我使用不同的颜色在每次递归中使用cmap = hsv(15);.那么它是:

d=1:0.01:10;
cmap = hsv(15);

for i=1:15
    pitch = unidrnd(10);
    yaw   = unidrnd(10);

    for j=1:length(d)
        F(j) = d(j)*3*pitch*yaw; %// some long calculation here
    end

    p1 = plot(d,F,'Linewidth', 1.0);
    title ('blah blah')
    set(p1, 'Color', cmap(i,:));
    hold on;
    legend (['pitch,yaw:', num2str(pitch) num2str(yaw)]) 
end 
hold off;

此代码更新每次递归中的唯一音高,偏航值(它们之间没有空格,因此它很有刺激性),但未能:

1. 使用适当的颜色,如图所示.
2. 保持上一次迭代的颜色和值pitch,yaw.

在自学 GP 和高斯回归时，我偶然发现了 Nando 关于该主题的讲座（第 1 部分和第 2 部分）。因此，由于我对 python 的了解有限，我尝试用 R 重写他的脚本NaN。但是，在生成置信区间的标准差时，我得到了结果。经过对问题进行更彻底的检查后，我发现主要区别在于np.linalg.solve()和 R's solve()。那么问题是，哪一个 R 求解器适合此类操作？

编辑

在尝试解决这个问题时，我发现当solve(L, ker_x_x.test)替换为时，两段代码的结果部分匹配forwardsolve(L, ker_x_x.test)。我仍然无法模仿原始脚本的结果。

编辑2

我已经设法匹配结果。在 Python 版本中，矩阵Lk是使用np.linalg.solve()R 脚本中的 where 应该是 来计算的backsolve()。要计算mu向量 \xc3\xacn R，您应该使用forwardsolve().

文档链接：

\n

• numpy.linalg.solve

\n

• R\n求解

\n

• R 反向求解和\n正向求解

\n

我提供我的代码以供更多评论：

# GPs Nando Style\n# Simple GP Regression. …