Existe uma maneira de executar a regressão gaussiana de processo na saída multidimensional (possivelmente correlacionada) usando GPML ?
No script de demonstração, só consegui encontrar um exemplo 1D.
Uma pergunta semelhante no CV que trata de casos de entrada multidimensional.
Examinei o livro deles para ver se encontrava alguma coisa. No capítulo 9 deste livro (seção 9.1), eles mencionaram este caso de múltiplas saídas. Eles mencionaram algumas maneiras de lidar com isso, um - usando um processo de ruído correlacionado e dois - coque (Correlacionado anteriormente).
Ainda não sei como incorporar qualquer uma dessas idéias na estrutura GPML.
Além disso, existem outras bibliotecas / estruturas GP que suportam saída multidimensional?
Respostas:
Acredito que os Processos Gaussianos Gêmeos são exatamente o que você está procurando. Não posso descrever o modelo melhor do que o resumo do artigo, então vou copiar e colá-lo:
Os autores generosamente forneceram códigos e conjuntos de dados de exemplo para começar.
fonte
Resposta curta A regressão para saída multidimensional é um pouco complicada e, no meu nível atual de conhecimento, não é incorporado diretamente na caixa de ferramentas GPML.
Resposta longa Você pode dividir seu problema de regressão de saída multidimensional em 3 partes diferentes.
Espero que ajude :)
fonte
Este é um módulo do scikit-learn que funcionou para mim surpreendentemente bom:
http://scikit-learn.org/stable/auto_examples/gaussian_process/plot_gp_regression.html
fonte
Eu estava procurando por Processos Gaussianos de múltiplas saídas e encontrei muitas maneiras de agir com ele, como método de convolução, método de modelagem de efeitos mistos e, mais recentemente, este Processos Gaussianos Gêmeos (TGP).
Tenho uma dúvida no conceito de Processos Gaussianos Gêmeos (TGP). Alguém pode me ajudar com isso?
fonte