Использование Scikit-Learn WhiteKernel для регрессии гауссовских процессов

Question

Использование Scikit-Learn WhiteKernel для регрессии гауссовских процессов

Я обычно использую:

import subprocess

p = subprocess.Popen('ls', shell=True, stdout=subprocess.PIPE, stderr=subprocess.STDOUT)
for line in p.stdout.readlines():
    print line,
retval = p.wait()

Вы можете делать то, что хотите, с данными stdout в трубе. Фактически вы можете просто опустить эти параметры (stdout= и stderr=), и он будет вести себя как os.system().

1

python scikit-learn

задан MTP 4 March 2019 в 16:56

1 ответ

Другие вопросы по тегам:

python scikit-learn

Похожие вопросы:

score 0 · Answer 1

Возможно, я ошибаюсь, но я считаю, что утверждение «указание альфа» «эквивалентно добавлению WhiteKernel с c = альфа» »слегка неверно.

При настройке шума регрессии GP шум добавляется только к K, ковариации между тренировочными точками. При добавлении Whitenoise-Kernel, шум также добавляется к K**, ковариации между контрольными точками.

В вашем случае контрольные точки и тренировочные точки идентичны. Тем не менее, три разные матрицы, вероятно, все еще созданы. Это может привести к несоответствию, наблюдаемому здесь.