我正在尝试编写代码来使用 pyGP 执行回归,其中我的训练数据 x(和测试数据 z)是多维的。所以例如训练示例为 x:(0.2, 0.5) 和 y:(0.7)。 我首先尝试了演示“demo_GPR_FITC.py”中的一些代码,其中 x 和 z 是一维的:
demoData = np.load('regression_data.npz')
x = demoData['x'] # training data
y = demoData['y'] # training target
z = demoData['xstar'] # test data
# Start from a new model
model = pyGPs.GPR_FITC()
model.setData(x, y)
#model.optimize()
model.predict(z)
model.plot()
这有效,所以我尝试运行演示,将 x 和 z 的维度扩展到二维,如下所示:
我将 x 转换为 x2,这样当 x 的元素为 0.2 时,x2 的元素将为 [0.2, 0.2]。
所以 x 的形状为 (20L, 1L),x2 的形状为 (20L, 2L)。 我对测试数据 z 做了同样的事情,并尝试设置数据并进行预测。这是我使用的代码:
demoData = np.load('regression_data.npz')
x = demoData['x'] # training data
y = demoData['y'] # training target
z = demoData['xstar'] # test data
# Start from a new model
model = pyGPs.GPR_FITC()
x2 = []
for i in range (len(x)):
x2.append([x[i][0], x[i][0]])
x2 = np.asarray(x2)
z2 = []
for i in range (len(z)):
z2.append([z[i][0], z[i][0]])
z2 = np.asarray(z2)
model.setData(x2, y)
#model.optimize()
model.predict(z2)
model.plot()
通过使用多维 x 和 z 运行上面的代码,我收到以下错误:
Traceback (most recent call last):
File "<ipython-input-176-8b27178cc782>", line 22, in <module>
model.predict(z2)
File "C:\Program Files\WinPython-64bit-2.7.10.2\python-2.7.10.amd64\lib\site-packages\pyGPs\Core\gp.py", line 395, in predict
Ks = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross') # cross-covariances
IndexError: index 20 is out of bounds for axis 0 with size 20
现在我的问题是我是否需要以其他方式制作 x2 和 z2 ? 或者演示中的代码是否不适合多维 x 和 z,如果是,是否有其他方法可以用于此目的?
先谢谢你了!
最佳答案
这是一个索引错误。现在已经修复了。请从 github 获取 pyGPs 或将其添加到 gp.py 中:
if isinstance(covfunc, FITCOfKernel):
Ks = covfunc.getCovMatrix(x=x, z=xs[id,:], mode='cross') # cross-covariances
Ks = Ks[nz,:]
else:
Ks = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross') # cross-covariances
感谢您指出这一点!马里昂
关于Python pyGPs : IndexError for regression with multi-dimensional x and z, setData(x,y) 和预测(z),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34688502/