高斯過程scikit中的迴歸學習沒有內核梯度評估

-2

我正在使用sklearn中的模塊GaussianProcessesRegression進行簡單的高斯迴歸。但是我試圖實現我自己的內核，而不是模塊內核提供的內核。高斯過程scikit中的迴歸學習沒有內核梯度評估

我遇到了超參數優化的問題（這可能是我錯誤地實現了內核梯度，我沒有看到錯誤）。所以我的問題是：

如何在GaussianProcessesRegression模塊沒有在優化過程中評估內核梯度的情況下運行'fit'（超參數優化發生的地方）？

從文檔中可以設置變量`eval_gradient = False'，但實際上我不能用這個變量調用任何方法。

這是我使用的代碼的想法：

import numpy as np 
from sklearn.gaussian_process import GaussianProcessRegressor 
import kernels as my_kernel 

kernel1 = 1.0*my_kernel.RBF_D(length_scale=np.linspace(1,10,10), length_scale_bounds=(1e-3, 100.0)) 

gp = GaussianProcessRegressor(kernel=kernel1, n_restarts_optimizer=10) 
gp.fit(Xtrain,Ytrain) 
hyperp = = gp.kernel_.get_params() 
y_gp,y_train_std=gp.predict(Xtrain,return_std=True)

如果我嘗試調用

gp = GaussianProcessRegressor(kernel=kernel, n_restarts_optimizer=0,eval_gradient=False)

我有錯誤：

`回溯（最近通話最後）：...

gp = GaussianProcessRegressor（kernel = kernel1，n_restarts_optimizer = 10，eval_gradient = FALSE）類型錯誤：初始化（）得到了一個意想不到的關鍵字參數'eval_gradient '

同樣，如果我嘗試

gp.fit(Xtrain, Ytrain, eval_gradient=False)

`類型錯誤：飛度（）得到了一個意想不到的關鍵字參數' eval_gradient''

顯然它沒有工作，但我沒有任何其他想法。有關如何做到這一點的任何提示？

（我是用我自己的內核，這一事實是不適合此問題）

來源

2017-08-08 Doccm

向我們提供有關您當前正在運行的代碼嘗試此操作的提示。 –

我重新編輯了，謝謝。 – Doccm

你剛纔提到的「文檔」，http://scikit-learn.org/stable/modules/generated/sklearn.gaussian_process.GaussianProcessRegressor.html

它解釋說，探地雷達可以打電話給你提供一個優化，它可以在調用目標函數時指定eval_gradient。

來源

2017-08-09 19:57:45

是的，我認爲有一種方法可以指定相同的變量也默認優化器。但如果可能的話，我不知道該怎麼做。 – Doccm

「意外的關鍵字參數'eval_gradient'」診斷是準確的，並且與文檔匹配。它看起來像你想寫一個'優化器'回調並將其傳遞給GPR。 –

高斯過程scikit中的迴歸學習沒有內核梯度評估

回答

相關問題