問題タブ [gaussian-process]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - GaussianProcessRegressor は完全に適合しますが、テスト データのパフォーマンスは低下しますか?
私は GPR を理解しようとしており、いくつかの値を予測するためにテストしています。応答は PCA の最初のコンポーネントであるため、外れ値のない比較的良好なデータが得られます。予測値も PCA(n=2) から取得されますが、予測値の列は StandardScaler().fit_transform で標準化されています。以前の投稿でより優れていることがわかりました。予測変数は標準化されているため、RBF カーネルを使用して 1**2 を乗算し、ハイパーパラメーターを適合させます。問題は、モデルが予測子に完全に適合し、テスト データにほぼ一定の値を与えることです。セットは 463 ポイントのセットであり、トレーニング データに対して 20 ～ 100 または 200 をランダム化し、Whitekernel() またはアルファ値を追加しても、同じ結果が得られます。私は何か間違ったことをしていることはほぼ確実ですが、何が見つかりませんか? ここ'
出力:
GPML kernel: 1**2 * RBF(length_scale=0.000388) + 8.01e-18**2 * RBF(length_scale=2.85e-18)
トレーニング データ:
テストデータと予測:
ありがとうございます！！！