提问人：JHdiggity 提问时间：11/16/2023 最后编辑：JHdiggity 更新时间：11/16/2023 访问量：45
我是否可以使用 GaussianProcessRegressor 在一个维度中插值，从而保留其他 dim 之间的关系？
Can I use GaussianProcessRegressor to interpolate in one dimension which preserves relation among other dims?
问：
我是使用 scikit-learn 的新手，并且正在尝试实现 GaussianProcessRegressor 类。我有一个用于训练集的输入 1D 数组 X，但对于我的目标 y，我基本上有一个 3D 数组（a、b、c），其中 a 是我想使用 GPR 插值的维度，它与 X 的长度匹配。但是，我需要保留 b 和 c 之间的关系——它们不会值（即 GPR 是 1D）。
我已经解决了这个问题，使用类、写作和 scipy 知道在第一个轴上插值并将相同的转换应用于其他轴。我想看看对于我的特定数据集 y，GPR 是否比五元或三次样条更准确。make_interp_splinescipy.interpolateinterp = make_interp_spline(X, y)
是否可以使用类来做这种事情？sklearn.gaussian_process
我已经尝试过，现在我已经将所有 b 和 c 推入了 y 的部分，但我不确定这是否符合我的意愿。下面是一些示例代码：gaussian_process.fit(X.reshape(-1, 1), y.reshape(len(X),-1))n_targets
import numpy as np
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import Matern
X = np.linspace(1.5,4.5,13)
#y is an array of shape (13, 81, 6228), but collapse the last two dims
# to 81*6228 = 504468
y = np.arange(0,504468).reshape(13,-1)
kernel = 1. * Matern(length_scale=1., nu=2.5)
gaussian_process = GaussianProcessRegressor(kernel=kernel, n_restarts_optimizer=10)
gaussian_process.fit(X.reshape(-1, 1), y)
gaussian_process.predict(np.array([3.0]).reshape(1,-1))答： 暂无答案
评论