我正在查看用于高斯过程回归的 kernlab
包中的 R 函数 gausspr
。该过程由核函数的超参数和数据中的噪声定义。我在文档中看到我可以指定
var: the initial noise variance, (only for regression) (default : 0.001)
但我不知道如何在回归运行后访问估计值。例如,假设我有一些观察点,并且想要预测 X
给出的位置处的 y 值:
obs <- data.frame(x = c(-4, -3, -1, 0, 2),
y = c(-2, 0, 1, 2, -1))
X <- seq(-5,5,len=50)
我可以使用 kernlab::gausspr
来做到这一点:
gp <- gausspr(obs$x, obs$y, kernel="rbfdot", scaled=FALSE, var=.09)
Ef <- predict(gp, X)
我可以获得内核超参数的估计值:
gp@kernelf@kpar
但我不知道如何返回噪声参数 var
的估计值?
最佳答案
我可能忽略了一些东西,但我不认为初始噪声方差var
“适合”任何东西;我不认为它是一个参数(尽管我同意使用“初始”这个词会让你有不同的想法)。
噪声方差只是添加到训练点的相关矩阵的对角线上,如 this page 中所述。关于其他一些软件。查看函数定义,看起来这正是它在 kernlab
中所做的事情:
# The only relevant line where 'var' is used
alpha(ret) <- solve(K + diag(rep(var, length = m))) %*% y
如果您想通过噪声方差获得误差(或任何拟合度量),您可以执行以下操作:
error.fun<-function(x) error(gausspr(obs$x, obs$y, kernel="rbfdot", scaled=FALSE, var=x))
noises<-seq(0.1,1,by=0.1)
y<-sapply(noises,error.fun)
plot(noises,y,type='l')
据我所知,内置交叉验证无论如何都不“适合”var
。交叉验证中唯一相关的行在这里:
cret <- gausspr(x[cind, ], y[cind], type = type(ret),
scaled = FALSE, kernel = kernel, var = var,
tol = tol, cross = 0, fit = FALSE)
您可以看到 var
只是放入,没有任何更改。
关于r - 访问 R 中 kernlab::gausspr 函数中的估计变量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13424882/