下面的人为示例显示了具有复合内核的高斯过程回归可用于拟合不同长度尺度上的趋势。在下面的示例中,最大似然内核为0.492**2 * RBF(length_scale=9.97e+04) + 2.14**2 * RBF(length_scale=1e-05)
-表明我们已经检测到两个长度尺度。是否有可能在每个长度尺度上进行预测(或者分解最终的预测)以查看内核各部分的影响?
一个更好的例子是考虑https://scikit-learn.org/stable/modules/gaussian_process.html文档中的莫纳罗亚河CO2数据。这会将结果复制到文档中引用的论文中。但是,本文显示了内核组件的缓慢/快速/季节性贡献的图。我们可以使用scikit-learn
的{{1}}复制这种分析吗?
GaussianProcessRegressor