面向晚期哈勃数据的一种模型无关重构方法

高斯过程提供了一种便捷的方式，在仅假设一个描述数据集中相邻点之间协方差的核的情况下，对观测数据进行非参数重构。我们采用两种方法——(a) 带有序贯蒙特卡洛采样的近似贝叶斯计算，以及 (b) 遗传算法——来处理高斯过程中核选择的模糊性，并利用所得的整体方法重构宇宙钟和 Ia 型超新星数据集。结果表明，对于这两个宇宙学数据集，Matérn$(\nu = 5/2)$ 核在双超参数核族中表现最佳。另一方面，我们使用遗传算法，从由十超参数核类构成的竞争池中挑选出最自然拟合的核。在施加受贝叶斯信息准则启发的适应度度量后，结果表明径向基函数与 Matérn$(\nu = 5/2)$ 核的混合体最能代表这两个数据集。核选择问题尚未完全解决，或可受益于采用其他策略来为特定数据集确定最优核的进一步分析。