Je fais du ML à mon université, et le professeur a mentionné le terme Attente (E), alors qu'il essayait de nous expliquer certaines choses sur les processus gaussiens. Mais d'après la façon dont il l'a expliqué, j'ai compris que E est le même que le μ moyen. Ai-je bien compris? Si c'est la même...
J'entraîne un processus gaussien avec un noyau ARD avec beaucoup de paramètres en maximisant la lisibilité marginale des données, au lieu de la validation croisée. Je soupçonne que c'est trop adapté. Comment puis-je tester cette suspicion dans un contexte
Je voulais juste voir si quelqu'un avait une expérience de l'application de la régression de processus gaussienne (GPR) à des ensembles de données de grande dimension. J'examine certaines des diverses méthodes GPR clairsemées (par exemple, les pseudo-entrées GPR clairsemées) pour voir ce qui...
Une fonction continue sur [a, b], où a et b sont des nombres réels, peut-elle être approximée ou arbitrairement proche de la fonction (dans une certaine norme) par des processus gaussiens (régression)?
J'ai appris la régression du processus gaussien à partir de vidéos en ligne et de notes de cours, si je comprends bien, si nous avons un ensemble de données avec points, nous supposons que les données sont échantillonnées à partir d'un gaussien multivarié à dimensions. Donc ma question est dans le...
Quelles sont les bonnes stratégies pour effectuer une régression du processus gaussien lorsque la fonction que j'essaie d'approcher les changements dans le temps? L'approche naïve qui me vient à l'esprit est de n'utiliser que les N points de données les plus récents pour effectuer la régression....
J'ai du mal à comprendre quelle est la différence entre le krigeage et les processus gaussiens. Je veux dire que wiki dit qu'ils sont les mêmes, mais leurs formules de prédiction sont tellement différentes. Je suis un peu confus pourquoi ils sont appelés similaires. Des
Je lis le livre GPML et au chapitre 2 (page 15) , il explique comment effectuer une régression en utilisant le processus gaussien (GP), mais j'ai du mal à comprendre comment cela fonctionne. Dans l'inférence bayésienne pour les modèles paramétriques, nous choisissons d'abord un a priori sur les...
Je lis ce papier préimprimé et j'ai des difficultés à suivre leur dérivation des équations pour la régression du processus gaussien. Ils utilisent le réglage et la notation de Rasmussen & Williams . Ainsi, on suppose un additif, de moyenne nulle, stationnaire et normalement distribué avec la...
J'essayais d'acquérir une certaine intuition pour la régression du processus gaussien, j'ai donc fait un simple problème de jouet 1D à essayer. J'ai pris comme entrées et comme réponses. ('Inspiré' de )y i = { 1 , 4 , 9 } y = x 2Xje= { 1 , 2 , 3 }xi={1,2,3}x_i=\{1,2,3\}yje= { 1 , 4 , 9...
J'ai téléchargé le code GPML Matlab le plus récent Code GPML Matlab et j'ai lu la documentation et exécuté la démonstration de régression sans aucun problème. Cependant, j'ai du mal à comprendre comment l'appliquer à un problème de régression auquel je suis confronté. Le problème de régression est...
J'essaye de l'optimisation bayésienne, suivant Snoek, Larochelle et Adams [ http://arxiv.org/pdf/1206.2944.pdf] , en utilisant GPML [ http://www.gaussianprocess.org/gpml/code/matlab / doc /] . J'ai implémenté la fonction d'acquisition Expected Improvement décrite à la page 3, et je suppose que j'ai...
Je m'excuse d'avance si cette question est mal posée: je suis astronome, pas statisticien. Ma question vise spécifiquement à m'aider à déterminer si les processus gaussiens sont une technique appropriée pour mon problème. À l'aide d'un télescope et d'un spectrographe alimenté par fibres, mon projet...
Je sais ce qu'est un champ gaussien. Cependant, je ne sais pas trop ce que l'on entend par stationnaire. J'ai vu cette chose stationnaire à beaucoup d'endroits comme les processus autorégressifs stationnaires, etc., mais je ne sais pas vraiment ce que l'on entend par
Pour la première fois (excuse imprécision / erreurs) j'ai regardé les processus gaussiens , et plus précisément, j'ai regardé cette vidéo de Nando de Freitas . Les notes sont disponibles en ligne ici . À un moment donné, il tire échantillons aléatoires d'une normale multivariée générée en...
Je suis un peu confus quant à la formule de calcul de la covariance dans le processus gaussien (l'ajout de variance me confond toujours car il n'est pas toujours explicitement indiqué). L'origine de la confusion est que les formules sont données dans Pattern Recognition et Machine Learning par...
J'essaie de générer de nombreux tirages (c'est-à-dire des réalisations) d'un processus gaussien , avec la moyenne 0 et la fonction de covariance .ei(t)ei(t)e_i(t)1≤t≤T1≤t≤T1\leq t \leq Tγ(s,t)=exp(−|t−s|)γ(s,t)=exp(−|t−s|)\gamma(s,t)=\exp(-|t-s|) Existe-t-il un moyen efficace de le faire qui...
Est-il possible d'effectuer une sélection approximative entièrement bayésienne (1) d'hyper-paramètres (par exemple l'échelle de covariance) avec le code GPML, au lieu de maximiser la vraisemblance marginale (2)? Je pense que l'utilisation de méthodes MCMC pour résoudre les intégrales impliquant des...
J'ai cette confusion liée à la distribution prédictive du processus gaussien. Je lisais ce papier Je n'ai pas compris comment l'intégration a donné ce résultat. Qu'est-ce que P (u * | x *, u). Aussi comment la covariance de la distribution postérieure est-elleσ2(σ2je+ K)-...
TLDR: Les splines de régression en plaques minces ont-elles une interprétation probabiliste / bayésienne? Étant donné les paires entrée-sortie , ; Je veux estimer une fonction comme suit où est une fonction du noyau et est un vecteur caractéristique de taille . Les coefficients et peuvent être...