有没有办法从 GPflow GPR 模型中检索权重？

Question

有没有办法从GPflow GPR 模型中检索权重？

我不一定需要明确的权重。但是，我有两个问题可以使用权重来解决：

1. 我想编译一个经过训练的模型并将其发送给第三方。一世 想要在不发送训练数据和不发送训练数据的情况下执行此操作 有权访问训练数据的第三方。
2. 我希望能够预测新的平均值，而无需 计算新的方差。目前 predict_f 计算两个 均值和方差，但我只使用均值。我相信我可以 如果我不计算 方差。

如果我可以在训练后从 GPR 模型中检索权重，我就可以解决这两个问题。但是，如果可以在不处理显式权重的情况下解决这些任务，那就更好了。

Answer 1

“显式权重”的含义并不完全清楚，但如果您的意思是alpha = Kxx^{-1} y，其中Kxx 是k(x,x') 的评估，y 是观察目标的向量，那么您可以通过调用 posterior = model.posterior() 获得的 Posterior 对象（参见 https://github.com/GPflow/GPflow/blob/develop/gpflow/posteriors.py）来获得它。然后您可以访问posterior.alpha。

关于 1.：但是，对于预测，您仍然需要能够计算 Kzx 新测试点和训练点之间的协方差，因此您还需要提供训练位置和内核超参数。

这也意味着您不能依靠它来保密您的训练数据，因为第三方可以简单地计算 Kxx 而不是 Kzx 然后取回 y = Kxx @ alpha。您可以通过使用稀疏近似来避免共享精确的 (x,y) 训练集对（这至少会消除“个体可识别性”）。但我仍然不会依赖它来保护隐私。

Re 2.：Posterior 对象已经提供了更快的预测；如果您只要求full_cov=False（边际方差，默认值），那么您在最坏的情况下比仅预测平均值慢约 3 倍左右（实际上，我估计慢了不到 1.5 倍）。从 GPflow 2.3.0 开始，GPflow 中没有实现仅预测平均值。