我正在尝试使用 GPflow 进行多维回归。但我对均值和方差的形状感到困惑。例如：应该预测形状为 (20,20) 的二维输入空间 X。我的训练样本的形状为 (8,2)，这意味着两个维度总共有 8 个训练样本。y 值的形状为 (8,1)，这当然意味着 2 个输入维度的每个组合的一个真实值。如果我现在使用 model.predict_y(X) 我希望得到形状的平均值 (20,20) 但获得形状 (20,1)。方差也是如此。我认为这个问题来自 y 值的形状，但我不知道如何解决它。
bound = 3
num = 20
X = np.random.uniform(-bound, bound, (num,num))
print(X_sample.shape) # (8,2)
print(Y_sample.shape) # (8,1)
k = gpflow.kernels.RBF(input_dim=2)
m = gpflow.models.GPR(X_sample, Y_sample, kern=k)
m.likelihood.variance = sigma_n
m.compile()
gpflow.train.ScipyOptimizer().minimize(m)
mean, var = m.predict_y(X)
print(mean.shape) # (20, 1)
print(var.shape) # (20, 1)
gpflow ×1