pymc.gp.TP#

class pymc.gp.TP(*, mean_func=<pymc.gp.mean.Zero object>, scale_func=<pymc.gp.cov.Constant object>, cov_func=None, nu=None)[源代码]#

学生 T 过程先验。

其使用方法与 gp.Latent 几乎相同。不同之处在于，它必须用自由度参数初始化，并且 TP 不是可加的。给定均值和协方差函数以及自由度参数，函数 \(f(x)\) 被建模为，

\[f(X) \sim \mathcal{TP}\left( \mu(X), k(X, X'), \nu \right)\]
参数:
mean_func均值，默认零

均值函数。

scale_func2D array_like, or Covariance, default Constant

协方差函数。

cov_func : 2D array_like，或 协方差，默认 None2D array_like, or Covariance, default None

已弃用，旧版本的 “scale_func”

nufloat

自由度

参考文献

  • Shah, A., Wilson, A. G., 和 Ghahramani, Z. (2014). 学生-t过程作为高斯过程的替代方案. arXiv预印本 arXiv:1402.4306.

方法

TP.__init__(*[, mean_func, scale_func, ...])

TP.conditional(name, Xnew[, jitter])

返回在新输入位置 Xnew 上评估的条件分布。

TP.marginal_likelihood(name, X, *args, **kwargs)

TP.predict(Xnew[, point, given, diag, model])

TP.prior(name, X[, reparameterize, jitter])

返回在输入位置 X 上评估的 TP 先验分布。

属性

X

f

nu