scikit-learn GaussianProcessRegressor vs GaussianProcess? Почему GaussianProcess устарел в версии 0.18?

Я пытаюсь использовать кригинг (гауссовский процесс) регрессии с постоянным членом и моделью обобщенной экспоненциальной корреляции. Я смог сделать это в более старой версии с помощью Функция GaussianProcess (версия 0.17.1). Когда я использую его, я получаю предупреждение о том, что

deprecationWarning: класс GaussianProcess устарел; GaussianProcess устарел в версии 0.18 и будет удален в версии 0.20. Вместо этого используйте GaussianProcessRegressor.

Однако я не могу найти похожие варианты с GaussianProcessRegressor. Интересно, смогу ли я сделать то же самое с GaussianProcessRegressor или scikit-learn больше не планирует поддерживать эту функциональность.


python deprecated deprecation-warning scikit-learn
person optimizationguy    schedule 08.01.2017    source источник

Ответы (2)


arrow_upward
1
arrow_downward

Функция GaussianProcess (версия 0.17.1) основана на пакете DACE и предоставляет две опции: условие тренда и условие корреляции.

  1. Термин тренда в кригинге может быть установлен постоянным или полиномиальным, таким как линейный, квадратичный. GaussianProcessRegressor предполагает постоянный член тренда, который является средним значением обучающих данных. Он не поддерживает кригинг с трендом. Однако это не является серьезной проблемой, поскольку литература предполагает, что сложный термин тренда может не сильно помочь. См., например, (Чен, 2016).

  2. Термин корреляции в GaussianProcess аналогичен ядрам корреляции в GaussianProcessRegressor, причем последний является более гибким. Ядро RBF похоже на квадрат экспоненциального ядра, но в несколько иной форме. (Вместо exp(-theta * (расстояние)^2) заменяется на exp(-theta*(расстояние)^2/длина^2).

Наконец, дисперсия процесса в GaussianProcess получается аналитическим выражением, тогда как в GaussianProcessRegressor она получается путем максимизации оценки правдоподобия.

Использованная литература:

S. N. Lophaven, H. B. Nielsen, J. Sondergaard, DACE-A MATLAB Kriging toolbox, версия 2.0, Tech. респ., 2002а.

Х. Чен, Дж. Л. Лоеппки, Дж. Сакс, У. Дж. Уэлч и др., Методы анализа для компьютерных экспериментов: как оценивать и что считать?, Statistical Science 31 (1) (2016) 40-60.

person optimizationguy    schedule 10.04.2018

arrow_upward
0
arrow_downward

Да, ты можешь.

Класс GaussianProcessRegressor можно использовать в качестве замены. По умолчанию используется ядро ​​RBF. Таким образом, в зависимости от вашего случая, вы можете установить ядро ​​соответствующим образом. См. Расмуссена. Действительно, целью этого нового класса является реализация GP в соответствии с этой библией.

person tupui    schedule 13.01.2017
comment
В GaussianProcess можно установить параметр регрессии на «постоянный», «полиномиальный» и т. д. Даже если связать модель квадратичной экспоненциальной ковариации с ядром RBF, как позаботится о среднем (или компоненте тренда) кригинга? - person optimizationguy; 30.01.2017
comment
Настроив ядро ​​(смесь ядра), вы можете добиться того, чего хотите. Уравнения в конце одинаковые. См. doc и пример того, как его настроить. - person tupui; 01.02.2017