Scikit learn 如何使用scikit学习高斯过程回归器重现GPy回归的结果？

GPy回归（GPy）和高斯过程回归（scikit学习）都使用相似的初始值和相同的优化器（lbfgs）。为什么结果差异很大

#!pip -qq install pods
#!pip -qq install GPy
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, ConstantKernel as C
from sklearn.preprocessing import StandardScaler
import pods
data = pods.datasets.olympic_marathon_men()
X = StandardScaler().fit_transform(data['X'])
y = data['Y']
# scikit-learn
model = GaussianProcessRegressor(C()*RBF(), n_restarts_optimizer=20, random_state=0)
model.fit(X, y)
print(model.kernel_)

# GPy
from GPy.models import GPRegression
from GPy.kern import RBF as GPyRBF
model = GPRegression(X, y, GPyRBF(1))
model.optimize_restarts(20, verbose=0)
print(model.kern)

结果

2.89**2 * RBF(length_scale=0.173)
  rbf.         |               value  |  constraints  |  priors
  variance     |  25.399509298957504  |      +ve      |        
  lengthscale  |   4.279767394389103  |      +ve      |        

使用GPy

RBF（）

内核相当于使用scikit learn

ConstantKernel（）*RBF（）+WhiteKernel（）

。因为GPy库在内部添加了似然噪声。使用这一点，我能够在这两方面得到可比的结果