問題タブ [gaussian-process]

scikit Learn の Gaussian Process パッケージを使用して時系列予測を実行しようとしていますが、これを行う方法を示すオンラインの例は見つかりませんでした。いくつかのデータでプロセスをトレーニングした後、テスト セットからモデルに時系列の部分観測を送信し、予測された将来の観測を返すようにしたいと考えています。

誰かが概念的な例でこれを行う方法のコードを示すことができますか?

GPflow GPR モデルから重みを取得する方法はありますか?

明示的な重みは必ずしも必要ではありません。ただし、重みを使用して解決できる可能性のある 2 つの問題があります。

1. トレーニング済みのモデルをコンパイルしてサードパーティに送信したいと考えています。トレーニング データを送信せず、サード パーティがトレーニング データにアクセスすることなく、これを行いたいと考えています。
2. 新しい分散を計算せずに新しい平均値を予測できるようにしたいと考えています。現在、predict_f は平均と分散の両方を計算しますが、私は平均のみを使用します。分散を計算しなければ、予測を大幅に高速化できると思います。

トレーニング後に GPR モデルから重みを取得できれば、これらの問題は両方とも解決できます。ただし、明示的な重みを扱わずにこれらのタスクを解決できれば、さらに優れたものになります。

以前の線形システムを解くためにガウス・ザイデル法を使用しました。今、私はオメガの 10 の異なる値に過度の緩和を追加しようとしています. GS メソッドを関数として次のようにコーディングしました。

そして、私はこの方程式をに実装しようとしていますx(i)

そしてこれまでのところ、私はこれを思いついた

過緩和については認識してomega > 1いますが、過緩和を GS 関数に実装する方法に本当にこだわっています。