我正在尝试调整已实现的高斯过程回归算法的超参数。我只是想最大化由公式 ,其中K是与元素K_ {ij} = k(x_i,x_j)= b ^ {-1} \ exp(-\ frac {1} {2}(x_i-x_j)^ TM(x_i-x_j))+ a ^ {-1 } \ delta_ {ij}其中M = lI,而a,b和l是超参数。ķķ我Ĵ=ķ(X我,XĴ)=b-1个EXP(-1
中号=升我一个,b升
对数边际似然率wrt参数的偏导数由以下
由于K的项取决于参数,所以K的导数和逆数也取决于参数。这意味着,当使用基于梯度的优化器时,在给定点(参数值)上评估梯度将需要重新计算协方差矩阵。在我的应用中,这是不可行的,因为从头开始计算协方差矩阵并在每次梯度上升迭代中计算其逆值都太昂贵了。我的问题是,找到这三个参数的较好组合是我的选择?而且我也不知道首先要优化哪个参数,对于这个问题,我也将不胜感激。
我已经成功地使用HMC为适度大小的数据集采样了GP超参数。
—
Sycorax说恢复莫妮卡
@Sycorax,您好,请您告诉我们您如何使用这项技术解决此问题?我遇到了与OP相同的问题,一直在考虑使用MCMC来解决它,但还不知道该怎么做。
—
Willian Fuks
我刚刚在Stan中编写了GP。GP超参数被声明为模型的参数,并据此进行推断。这为每个HMC迭代生成了一组预测。Gelman说明了这一切如何在BDA3中工作。
—
Sycorax说恢复莫妮卡