Matlab 用GPML构造后验协方差_Matlab_Bayesian

Matlab 用GPML构造后验协方差

matlab

Matlab 用GPML构造后验协方差,matlab,bayesian,Matlab,Bayesian,我想使用Matlab包GPML从回归问题的后验分布中提取样本。函数gp函数返回一个三元组post=[alpha，sW，L]，其中 alpha=inv（K）*（mu-m），其中m为先验均值，mu为后验均值（K为先验协方差） sW=diag（sqrt（W））（W与结果变量的方差成对角线） L=-inv（K+inv（W））后验分布为高斯分布，平均值m+K*alpha和协方差inv（inv（K）+W））。然而，似乎没有办法通过使用这个三元组变量或其他GPML函数来获得矩阵K或m。然而，似乎有一个很

我想使用Matlab包GPML从回归问题的后验分布中提取样本。函数gp函数返回一个三元组

post=[alpha，sW，L]

，其中

```
alpha=inv（K）*（mu-m）
```
，其中
```
m
```
为先验均值，
```
mu
```
为后验均值（
```
K
```
为先验协方差）
```
sW=diag（sqrt（W））
```
（
```
W
```
与结果变量的方差成对角线）
```
L=-inv（K+inv（W））
```

后验分布为高斯分布，平均值

m+K*alpha

和协方差

inv（inv（K）+W））

。然而，似乎没有办法通过使用这个三元组变量或其他GPML函数来获得矩阵

或

。然而，似乎有一个很好的理由将这些变量作为输出给出。恢复后验分布的正确方法是什么

这是手册中作为MWE的（稍加修改）示例代码：

x = gpml_randn(0.8, 20, 1);
y = sin(3*x) + 0.1*gpml_randn(0.9, 20, 1);
xs = linspace(-3, 3, 61)';
meanfunc = [];
covfunc = @covSEiso;
likfunc = @likGauss;
hyp = struct('mean', [], 'cov', [0 0], 'lik', -1);
[mu, s2, latentmeans, latentvars, dummyVar, post] = gp(hyp, @infGaussLik, meanfunc, covfunc, likfunc, x, y, xs);

我不熟悉您正在谈论的包，但在我看来，您可以重新安排输出以（重新）计算所需的变量。例如，从

sW

可以得到

，给定

和

可以得到

，等等。。