【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