跳到主要内容

高斯过程回归（GaussianProcessRegressor）使用文档

组件名称高斯过程回归（GaussianProcessRegressor）
工具集机器学习/回归/高斯过程回归（GaussianProcessRegressor）
组件作者雪浪云-燕青
文档版本1.0
功能高斯过程回归（GaussianProcessRegressor）算法
镜像名称ml_components:3
开发语言Python

组件原理​

高斯过程（Gaussian Process, GP）是随机过程之一，是一系列符合正态分布的随机变量在一指数集（index set）内的集合

该解释中的“指数”可以理解为“维度“，按照机器学习的角度，各个指数上的随机变量可以对应地理解为各个维度上的特征。

高斯过程回归的和其他回归算法的区别是：一般回归算法给定输入X，希望得到的是对应的Y值，拟合函数可以有多种多样，线性拟合、多项式拟合等等，而高斯回归是要得到函数f(x)的分布

高斯回归首先要计算数据集中样本之间的联合概率分布,

再根据需要预测的f的先验概率分布与，来计算出f的后验概率分布。

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称：训练数据
  • 输入类型：Csv文件
  • 功能描述： 输入用于训练的数据

输入端子2​

  • 端口名称：核模型文件输入
  • 输入类型：sklearn模型
  • 功能描述：核模型文件输入，该输入桩可以不连

输出桩​

支持sklearn模型输出。

输出端子1​

  • 端口名称：输出模型
  • 输出类型：sklearn模型
  • 功能描述： 输出训练好的模型用于预测

参数配置​

alpha​

  • 功能描述：训练期间添加到核矩阵对角线的值
  • 必选参数：是
  • 默认值：0.00000000001

优化器​

  • 功能描述：优化核参数的优化器
  • 必选参数：是
  • 默认值：fmin_l_bfgs_b

重新启动次数​

  • 功能描述：优化器为寻找内核参数而重新启动的次数
  • 必选参数：否
  • 默认值：（无）

归一化​

  • 功能描述：标签Y是否进行归一化
  • 必选参数：是
  • 默认值：false

Random State​

  • 功能描述：当求解器为"sag"或者"saga"时，用来打乱数据
  • 必选参数：否
  • 默认值：（无）

需要训练​

  • 功能描述：该模型是否需要训练，默认为需要训练。
  • 必选参数：是
  • 默认值：true

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

识别字段​

  • 功能描述：识别字段
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

  • 测试用例​

    • 模板

    • 右面板配置

    • 输出结果