小编cyb*_*ace的帖子

我想使用高斯过程回归执行一些多变量回归，如使用版本 2 在 GPflow 中实现的那样。安装 pip install gpflow==2.0.0rc1

下面是一些示例代码，它生成一些 2D 数据，然后尝试使用 GPR 对其进行拟合，最后计算真实输入数据和 GPR 预测之间的差异。

最终，我想扩展到更高的维度，并针对验证集进行测试以检查是否过拟合并使用其他内核和“自动相关性确定”进行试验，但了解如何使其工作是第一步。

谢谢！

以下代码片段将在 jupyter notebook 中工作。

import gpflow
import numpy as np
import matplotlib
from gpflow.utilities import print_summary

%matplotlib inline
matplotlib.rcParams['figure.figsize'] = (12, 6)
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

def gen_data(X, Y):
    """
    make some fake data.
    X, Y are np.ndarrays with shape (N,) where
    N is the number of samples.
    """

    ys = []
    for x0, x1 in zip(X,Y):
        y = …