利用遗传规划演化高斯过程回归的协方差函数
神经与进化计算
2013-05-23 v2 机器学习
机器学习
摘要
本文描述了一种利用遗传规划演化高斯过程复合协方差函数的方法。高斯过程及类似基于核的模型（如 SVM）的一个关键方面是，协方差函数应适应所建模的数据。通常，平方指数协方差函数被用作默认值，但这可能导致模型设定错误，从而无法很好地拟合数据。在所提出的方法中，我们使用用于组合协方差函数的文法，并利用遗传规划在可从该文法推导出的句子空间中进行搜索。我们在来自二维测试函数的合成数据以及 Mauna Loa CO2 时间序列上测试了该方法。结果表明，我们的方法是可行的，能够找到性能远优于默认协方差函数的协方差函数。对于 CO2 数据集，我们找到了一种复合协方差函数，其性能与手工调整的协方差函数相当。
引用
@article{arxiv.1305.3794,
title = {Evolution of Covariance Functions for Gaussian Process Regression using Genetic Programming},
author = {Gabriel Kronberger and Michael Kommenda},
journal= {arXiv preprint arXiv:1305.3794},
year = {2013}
}
备注
Presented at the Workshop "Theory and Applications of Metaheuristic Algorithms", EUROCAST2013. To appear in selected papers of Computer Aided Systems Theory - EUROCAST 2013; Volumes Editors: Roberto Moreno-D\'iaz, Franz R. Pichler, Alexis Quesada-Arencibia; LNCS Springer