GP+：基于高斯过程进行核学习的Python库
机器学习
2024-06-06 v2 机器学习
摘要
本文介绍了GP+，一个基于高斯过程（GP）进行核学习的开源库，高斯过程是强大的统计模型，完全由其参数化协方差和均值函数刻画。GP+基于PyTorch构建，提供了一个用户友好且面向对象的概率学习和推理工具。通过一系列示例，我们展示了GP+相对于其他GP建模库的几个独特优势。这些优势主要通过将非线性流形学习技术与GP的协方差和均值函数集成来实现。作为介绍GP+的一部分，本文还做出了方法论贡献：（1）实现概率数据融合和逆参数估计，（2）为GP配备简洁的参数化均值函数，这些函数跨越包含分类变量和定量变量的混合特征空间。我们在贝叶斯优化、多保真度建模、敏感性分析和计算机模型校准的背景下展示了这些贡献的影响。
引用
@article{arxiv.2312.07694,
title = {GP+: A Python Library for Kernel-based learning via Gaussian Processes},
author = {Amin Yousefpour and Zahra Zanjani Foumani and Mehdi Shishehbor and Carlos Mora and Ramin Bostanabad},
journal= {arXiv preprint arXiv:2312.07694},
year = {2024}
}