【问题标题】:GPy RBF Kernel ImplementationGPy RBF 内核实现
【发布时间】:2017-06-13 19:58:52
【问题描述】:

在 rbf.py 中,k(r) 在数学上定义为:

k(r) = \sigma^2 \exp \\bigg(- \\frac{1}{2} r^2 \\bigg)

但是 rbf.py 中的 K_of_r 方法会跳过 sigma^2 而是使用 sigma (self.variance)。我在这里遗漏了什么还是它是 K_of_r 方法的实现中的错误。

 def K_of_r(self, r):
        return self.variance * np.exp(-0.5 * r**2)

我认为实现应该是:

 def K_of_r(self, r):
        return (self.variance ** 2) * np.exp(-0.5 * r**2)

https://github.com/SheffieldML/GPy/blob/devel/GPy/kern/src/rbf.py#L34

【问题讨论】:

    标签: machine-learning regression gaussian normal-distribution kernel-density


    【解决方案1】:

    sigma 是标准差。方差等于标准差的平方。因此 sigma^2 = 方差。

    【讨论】: