Sklearn GaussianProcessRegressor 修复内核超参数？

【问题标题】：Sklearn GaussianProcessRegressor fixing kernel hyperparameters?Sklearn GaussianProcessRegressor 修复内核超参数？
【发布时间】：2019-05-12 04:34:18
【问题描述】：

我正在尝试使用 sklearn 的高斯过程进行时间序列分解。

kernel = ConstantKernel() * 
RBF() *
ExpSineSquared(periodicity=7)

除了periodicity_bounds=(7, 7)之外，有没有办法修复参数

如果我这样做 kernel.hyperparameters 我可以看到他们有一个属性 fixed=False

如何将其设置为 true？

【问题讨论】：

标签： python scikit-learn gaussian

【解决方案1】：

它没有记录在他们自己的内核中。但是超参数可以通过以下方式固定。

ExpSineSquared(periodicity=7, periodicity_bounds='fixed')

【讨论】：

您可以在此处找到超参数类的文档：scikit-learn.org/stable/modules/generated/… 确实，如果您希望超参数的值不能更改，则绑定属性可以“固定”。