是否可以使用 GPML 代码执行近似的完全贝叶斯(1) 超参数选择（例如协方差尺度），而不是最大化边际似然 (2)？我认为使用MCMC 方法来解决涉及超参数先验的积分应该会在处理过度拟合时产生更好的结果。据我所知，GPML 框架不包括这些计算，但也许还有其他第三方代码。
(1)秒。5.2，第。5 机器学习的高斯过程，Rasmussen & Williams，2006
(2) GPML 文档中的“回归”部分
GPML 中的完全贝叶斯超参数选择
机器算法验证
贝叶斯
模型选择
高斯过程
超参数
2022-03-30 07:46:34
1个回答
还有另一个使用高斯过程进行机器学习的包，称为 GPstuff，我认为它包含了所有内容。您可以使用 MCMC、网格上的集成等来边缘化您的超参数。
注意在文档中，他们仅将超参数称为参数。
其它你可能感兴趣的问题