用於稀疏GP迴歸的初始種子

用於預測的平均的語法是：

[〜，mu_1，〜，〜，loghyper] = ssgpr_ui（Xtrain，Ytrain，XTEST，Ytest，M）;

我的問題是，作者聲明初始超參數搜索條件對於不同的迭代是不同的，因此模型的結果不同於每次迭代。有什麼方法可以確保最佳初始化或種子條件設置爲具有高質量的超參數以獲得最佳預測結果和可重複結果？

由於這個問題主要是關於方法而不是編程，您是否考慮遷移問題轉到stats.stackexchange.com？ – mikkola

@mikkola：當然與編程有關。（設置種子） –

對，對於混淆抱歉。試想和錯誤是想到的 - 但更重要的是，在某種意義上，不能精確地調整某個數據集的模型，從而打敗迴歸建模的目的？你會發現一個非常好的模型用於你的訓練和驗證數據，但是我認爲你有一個很好的機會會導致你失去泛化能力。 – mikkola

爲了每次獲得相同的預測，有可能通過 stream = RandStream('mt19937ar','Seed',123456); RandStream.setGlobalStream(stream);

但是設置種子，有設置的最佳種子沒有標準程序。這樣做會導致模型過度擬合，因爲我們提供的理想條件太多以適合@mikkola引用的訓練數據。

2016-05-11 15:19:29

回答