我已经从网站下载了机器学习的高斯过程 (GPML) 包 (gpml-matlab-v3.1-2010-09-27.zip)，我可以在Octave中运行回归示例 ( demoRegression ) 。它工作得很好。
现在我有自己的回归数据，其中 x（输入）矩阵是 54x10 矩阵（54 个样本，10 个输入变量），y（目标）向量是 54x1。
问题是我不明白如何计算 meanfunc 和 covfunc，为回归示例提供的代码不适用于多个输入数据集。
我对 Octave 的理解不足以解码用于计算它的特定代码。
有没有人试过这个，也许可以举个例子？
这是一个更小的二维回归问题示例（我没有八度音阶，只有 matlab，但希望差异无关紧要）。meanfunc 和 covfunc 应该对任意数量的输入感到满意，前提是协方差函数没有每个输入特征的超参数（例如covSEiso）。希望这可以帮助
[X1,X2] = meshgrid(-pi:pi/16:+pi, -pi:pi/16:+pi);
Y = sin(X1).*sin(X2) + 0.1*randn(size(X1));
imagesc(Y); drawnow;
x = [X1(:) X2(:)];
y = Y(:);
covfunc = @covSEiso;
likfunc = @likGauss; sn = 0.1; hyp.lik = log(sn);
hyp2.cov = [0 ; 0];
hyp2.lik = log(0.1);
hyp2 = minimize(hyp2, @gp, -100, @infExact, [], covfunc, likfunc, x, y);
exp(hyp2.lik)
nlml2 = gp(hyp2, @infExact, [], covfunc, likfunc, x, y)
[m s2] = gp(hyp2, @infExact, [], covfunc, likfunc, x, y, x);
m = reshape(m, size(Y));
figure(2); imagesc(m);