一种用于高斯过程的混合类别相关核
最优化与控制
2024-01-25 v4 机器学习
机器学习
摘要
近来,基于高斯过程(GP)代理模型的混合类别元模型日益受到关注。在此情形下,若干现有方法采用不同策略,或使用连续核(例如连续松弛与基于 Gower 距离的 GP),或直接估计相关矩阵。本文提出一种基于核的方法,将连续指数核扩展以处理混合类别变量。所提核带来了一种新的 GP 代理模型,它推广了连续松弛与基于 Gower 距离的 GP 模型。我们在解析问题与工程问题上证明,相较于其他基于核的先进模型,我们所提的 GP 模型具有更高的似然值与更小的残差误差。我们的方法已在开源软件 SMT 中提供。
引用
@article{arxiv.2211.08262,
title = {A mixed-categorical correlation kernel for Gaussian process},
author = {P. Saves and Y. Diouane and N. Bartoli and T. Lefebvre and J. Morlier},
journal= {arXiv preprint arXiv:2211.08262},
year = {2024}
}
备注
Published in Neurocomputing. 10.1016/j.neucom.2023.126472