外推使用高斯過程迴歸或克里格

Question

是否有任何方法來估計外推使用克里金或高斯過程迴歸？

高斯過程對分散數據的插值非常有效;然而，我需要推斷時間序列的變量。

鋤頭我可以推斷x(n+1) 使用x變量的歷史，x_i , i = n, n-1 ,....

flag 

例如，在python：scikit-learn.org/stable/modules/gaussian_process.html

Answer 1

外推以相同的方式工作的理論和實踐。理論上講，當你學習一個高斯過程迴歸模型時，你已經對數據建模了一個高斯過程，選擇了它的平均函數，它的協方差函數並估計了它們的參數。要內插（或外推），您可以在知道學習點的情況下計算此新高斯過程的平均值。

實際上，對於插值和外推，您只需調用預測函數（在R包DiceKriging中稱爲predict，在python中稱爲scikit-learn）。高斯過程意味着快速「返回」到已經定義的函數意義上，然後，高斯過程（Gaussian process），高斯過程（Gaussian process），高斯過程外推回歸只是參數迴歸，其模型是您爲平均函數選擇的模型。