Howtosignalprocessing
- O que é um kernel de covariância?
- Como faço para escolher um kernel GPR?
- Como faço para escolher uma função de kernel?
- O que o kernel faz no processo gaussiano?
O que é um kernel de covariância?
Em termos frouxos, uma função de kernel ou covariância k (x, x ′) especifica a relação estatística entre dois pontos x, x ′ no seu espaço de entrada; Ou seja, quão acentuadamente uma mudança no valor do processo gaussiano (GP) em X se correlaciona com uma mudança no GP em x '.
Como faço para escolher um kernel GPR?
Aqui está uma boa maneira de justificar uma escolha do kernel em um relatório. Primeiro - encaixe 2 ou 3 funções diferentes do kernel que você pode pensar que são razoáveis. Segundo -Calculate Statistics de interesse de interesse, como a amostra de autocovariância a diferentes distâncias nos dados originais.
Como faço para escolher uma função de kernel?
Sempre experimente o kernel linear primeiro, simplesmente porque é muito mais rápido e pode produzir ótimos resultados em muitos casos (especificamente problemas dimensionais altos). Se o kernel linear falhar, em geral sua melhor aposta é um kernel RBF. Eles são conhecidos por ter um desempenho muito bem em uma grande variedade de problemas.
O que o kernel faz no processo gaussiano?
A função do kernel k (xₙ, xₘ) usada em um modelo de processo gaussiano é o seu coração - a função do kernel diz essencialmente ao modelo como dois pontos de dados semelhantes (xₙ, xₘ) são. Várias funções do kernel estão disponíveis para uso com diferentes tipos de dados, e vamos dar uma olhada em alguns deles nesta seção.
