Python sklearn探地雷达中周期和非周期核的组合_Python_Machine Learning_Scikit Learn_Bayesian_Gaussian Process

Python sklearn探地雷达中周期和非周期核的组合

python machine-learning scikit-learn

Python sklearn探地雷达中周期和非周期核的组合,python,machine-learning,scikit-learn,bayesian,gaussian-process,Python,Machine Learning,Scikit Learn,Bayesian,Gaussian Process,我正在使用scikit学习Python库对一个需要七个输入的函数执行贝叶斯优化（在高斯过程回归之上）。其中四个输入表示物理角度，因此高斯核在其中应该是周期性的；这是一个自然的选择。但是，我不想任意强制函数在其他三个函数中是周期性的根据，正确的方法是简单地将ExpSineSquared核乘以周期变量，再将非周期核（比如Matérn核）乘以其他核，得到如下结果 ExpSineSquared(x[:3])*Matern(x[3:]) （其中，x是参数的7向量）。有人会认为，在sklearn.gau

我正在使用scikit学习Python库对一个需要七个输入的函数执行贝叶斯优化（在高斯过程回归之上）。其中四个输入表示物理角度，因此高斯核在其中应该是周期性的；这是一个自然的选择。但是，我不想任意强制函数在其他三个函数中是周期性的

根据，正确的方法是简单地将

ExpSineSquared

核乘以周期变量，再将非周期核（比如Matérn核）乘以其他核，得到如下结果

ExpSineSquared(x[:3])*Matern(x[3:])

（其中，

是参数的7向量）。有人会认为，在

sklearn.gaussian_process.kernels中实现是可行的，但据我所知，这不允许我选择哪些参数是周期性的，哪些不是周期性的；使用产品
内核将有效地为我提供ExpSineSquared（x）*Matern（x）

由于我对sklearn中的GPR不是很有经验，实现我想要的内核的最佳方式是什么？
我投票结束这个问题，因为它不是关于在中定义的编程，而是关于ML理论和方法论。@desertnaut我问的是如何实现与sklearn库接口的特定形式的内核，不是使用哪种内核。如果不是在这里，我还会在哪里提出实施问题？