Estou treinando um processo gaussiano com um kernel ARD com muitos parâmetros, maximizando a confiabilidade marginal dos dados, em vez de validação cruzada. Suspeito que seja excessivo. Como posso testar essa suspeita em um contexto
Eu tenho aprendido sobre a regressão do processo gaussiano a partir de vídeos on-line e anotações de aula. Meu entendimento é que, se tivermos um conjunto de dados com pontos, assumiremos que os dados são amostrados de um gaussiano multivariado dimensional. Portanto, minha pergunta está no caso em...
Quais são as boas estratégias para executar a regressão gaussiana de processos quando a função que estou tentando aproximar das mudanças ao longo do tempo? A abordagem ingênua que me vem à mente é usar apenas os N pontos de dados mais recentes para realizar a regressão. Quais são as melhores...
Pode qualquer função contínua em [a, b], onde aeb são números reais, ser aproximada ou arbitrariamente próxima da função (em alguma norma) pelos Processos Gaussianos (Regressão)?
Eu usei a regressão do Nadaraya-Watson Kernel antes para suavizar os dados. Recentemente, encontrei regressão de processo gaussiana. Prima facie, eles não parecem estar relacionados. Mas estou me perguntando se talvez haja uma conexão mais profunda da qual eu não esteja ciente. A regressão do...
Só queria ver se alguém tem alguma experiência em aplicar a regressão de processo Gaussiana (GPR) a conjuntos de dados de alta dimensão. Estou examinando alguns dos vários métodos GPR esparsos (por exemplo, pseudo-entradas GPR esparsas) para ver o que poderia funcionar para conjuntos de dados de...
Estou tendo dificuldade para entender qual é a diferença entre os processos kriging e gaussiano. Quero dizer, o wiki diz que eles são os mesmos, mas suas fórmulas para previsão são muito diferentes. Estou um pouco confuso por que eles são chamados semelhantes.
Eu estava tentando ganhar alguma intuição para a regressão do Processo Gaussiano, então fiz um simples problema de brinquedo 1D para experimentar. Tomei como entradas e como respostas. ('Inspirado' a partir de )y i = { 1 , 4 , 9 } y = x 2xEu= { 1 , 2 , 3 }xi={1,2,3}x_i=\{1,2,3\}yEu= { 1 , 4 , 9...
Estou lendo esta pré-impressão do artigo e estou tendo dificuldades em seguir a derivação das equações para a regressão de processo gaussiana. Eles usam a configuração e notação de Rasmussen & Williams . Assim, o ruído aditivo, com média zero, estacionário e normalmente distribuído com variação...
Estou lendo o livro GPML e, no capítulo 2 (página 15) , ele mostra como fazer a regressão usando o Gaussian Process (GP), mas estou tendo dificuldade para entender como funciona. Na inferência bayesiana para modelos paramétricos, primeiro escolhemos um prior nos parâmetros do modelo , ou seja, ;...
Fiz o download do código GPML Matlab mais recente e o código GPML Matlab e li a documentação e executei a demonstração de regressão sem problemas. No entanto, estou tendo dificuldade em entender como aplicá-lo a um problema de regressão com o qual me deparo. O problema de regressão é definido da...
Peço desculpas antecipadamente se esta pergunta for mal colocada: sou astrônomo, não estatístico. Minha pergunta tem como objetivo específico me ajudar a descobrir se os processos gaussianos são uma técnica apropriada para o meu problema. Usando um telescópio e um espectrógrafo alimentado por...
Estou testando a otimização bayesiana, seguindo Snoek, Larochelle e Adams [ http://arxiv.org/pdf/1206.2944.pdf] , usando GPML [ http://www.gaussianprocess.org/gpml/code/matlab / doc /] . Eu implementei a função de aquisição de melhoria esperada descrita na página 3, e estou assumindo que estou...
Eu sei o que é um campo gaussiano. No entanto, não tenho muita certeza do que se entende por estacionário. Eu já vi essa coisa estacionária em muitos lugares, como processos autorregressivos estacionários etc., mas na verdade não sei o que se entende por
Pela primeira vez (desculpe imprecisões / erros) , observei os processos gaussianos e, mais especificamente, assisti a este vídeo de Nando de Freitas . As notas estão disponíveis online aqui . Em algum momento, ele extrai 101010 amostras aleatórias de um normal multivariado gerado pela construção...
Eu tenho essa confusão relacionada à distribuição preditiva do processo gaussiano. Eu estava lendo este artigo Não entendi como a integração deu esse resultado. O que é P (u * | x *, u). Também como é que a covariância da distribuição posterior éσ2( σ2Eu+ K)-...
TLDR: As splines de regressão em placas finas têm uma interpretação probabilística / bayesiana? Dado pares de entrada-saída (xi,yi)(xi,yi)(x_i,y_i) , i=1,...,ni=1,...,ni=1,...,n ; Eu quero estimar uma função f(⋅)f(⋅)f(\cdot) seguinte forma
Estou um pouco confuso com a fórmula para calcular a covariância no processo gaussiano (a adição de variação sempre me confunde, pois nem sempre é explicitamente indicada). A origem da confusão é que as fórmulas fornecidas no processo de reconhecimento de padrões e aprendizado de máquina por Bishop...
Eu estou tentando gerar muitos draws (ou seja, realizações) de um processo de Gauss eEu( T )ei(t)e_i(t) , 1 ≤ t ≤ T1≤t≤T1\leq t \leq T com média 0 e função covariância γ( s , t ) = exp( - | t - s | )γ(s,t)=exp(−|t−s|)\gamma(s,t)=\exp(-|t-s|) . Existe uma maneira eficiente de fazer isso que não...
É possível realizar uma seleção aproximada de bayesianos (1) de hiperparâmetros (por exemplo, escala de covariância) com o código GPML, em vez de maximizar a probabilidade marginal (2)? Eu acho que o uso de métodos MCMC para resolver as integrais que envolvem hiperparâmetros anteriores deve levar a...