python-3.x - gpflow 中的 SGPR 是否可以使用周期性以外的内核

Question

我对探地雷达还很陌生。如果您就以下问题向我提供一些建议，我将不胜感激:

我们可以在稀疏高斯过程中使用Matern52内核吗？

选择伪输入 (Z) 的最佳方法是什么？随机抽样合理吗？

我想提一下，当我使用Matern52内核时，以下错误停止了优化过程。我的代码:

k1 = gpflow.kernels.Matern52(input_dim=X_train.shape[1], ARD=True)
m = gpflow.models.SGPR(X_train, Y_train, kern=k1, Z=X_train[:50, :].copy())

InvalidArgumentError (see above for traceback): Input matrix is not invertible. [[Node: gradients_25/SGPR-31ceaea6-412/Cholesky_grad/MatrixTriangularSolve = MatrixTriangularSolve[T=DT_DOUBLE, adjoint=false, lower=true, _device="/job:localhost/replica:0/task:0/device:CPU:0"](SGPR-31ceaea6-412/Cholesky, SGPR-31ceaea6-412/eye_1/MatrixDiag)]

如有任何帮助，我们将不胜感激，谢谢。

Answer 1

您是否在一个小型测试数据集上进行了尝试，您可以将其发布在此处？ Matern52 没有理由不工作。随机采样诱导点应该是合理的初始化，尤其是在更高维度中。但是，如果您最终得到一些彼此非常接近的诱导点，您可能会遇到问题(这可能会使 K_{zz} = cov(f(Z), f(Z)) 矩阵条件不佳，这可以解释为什么乔列斯基失败了)。如果您的 X_train 尚未打乱，您可能需要使用 Z=X_train[np.random.permutation(len(X_train))[:50] 来获取打乱后的索引。添加白噪声内核 kern=k1+gpflow.kernels.White() ...