NaN作为kernlab高斯过程预测的输出

Question

我正在尝试使用 kernlab 中的 gausspr 函数来解决回归问题。输入是标准化的。但是predict（model，test.set）的输出结果是一组NaN值！

训练集，X

M1 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M2 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M3 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M4 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554
M5 -0.3437191 -0.1755636 -0.1914969 -0.205308 -0.1595554

训练输出，Y是

Y = c(1,2,3,4,5)

测试集，Z

T1   1.5530507 -0.2152377 -0.202634 -0.1460405 -0.1592964
T2   1.5530507 -0.2152377 -0.202634 -0.1460405 -0.1592964
T3 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964
T4 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964
T5 -0.3736244 -0.2152377 -0.202634 -0.1460405 -0.1592964

代码：

library(kernlab)
model <- gausspr(X,Y)
predict(model, Z)

输出

> head(res14)
     [,1]
[1,]  NaN
[2,]  NaN
[3,]  NaN
[4,]  NaN
[5,]  NaN
[6,]  NaN

我想知道为什么我得到这个输出。

Answer 1

因此，输入数据有一组零方差列，使得covarance矩阵成为可能（有人会说为什么？），最终结果将是NaN值。