Python中输入二维特征数组的高斯过程

我需要使用sci工具包学习库在Python中实现GPR（高斯过程回归）

我的输入X有两个特性。 例X=[种族，体重指数]。输出是一维y=[年龄_预期]

我想用两个内核；RBF和Matren，这样RBF使用“种族”特征，而Matren使用“年龄”特征。 我尝试了以下方法：

X = np.matrix([[1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.], [1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.],[1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.]]).T


y=[84,  42, 47, 55,  25,  78, 52, 25, 75, 22,  45, 45, 88,  56, 77, 58,  48,  79]


kernel = R(X[0]) * M(X[1])

gp = GaussianProcessRegressor(kernel=kernel)


gp.fit(X, y)

但这会产生一个错误“ValueError:找到了样本数不一致的输入变量：[2,18]”

---

我尝试了几种方法，但没有找到解决办法。如果有人能帮忙，我真的很感激。

我看不到你的全部代码，但这里是我的建议

似乎你的输入是一个矩阵和一个列表。矩阵X的形状是（2,18），列表y的大小是18

因此，我建议将列表转换为具有明确定义的形状（1,18）的数组。运行以下命令：

y = np.reshape(y,(1,18))

---

在

gp.fit（X，y）

之前，请告诉我它是否有效：）

为什么要在X上执行

.T

这会将X的形状从（18,2）更改为（2,18），从而导致错误

以下内容适用于我（刚刚从X末尾删除了

.T

）：

---

这不是因为OP定义内核的方式吗？

X = np.matrix([[1.,2], [3.,4], [5.,1], [6.,5], [4, 7.], [9,8.], [1.,2], 
               [3.,4], [5.,1], [6.,5], [4,7.], [ 9,8.], [1.,2], [3.,4], 
               [5.,1], [6.,5], [4,7.], [9,8.]])

y = [84, 42, 47, 55, 25, 78, 52, 25, 75, 22, 45, 45, 88, 56, 77, 
     58, 48, 79]

gp.fit(X, y)