如何选择高斯基函数超参数进行线性回归？

Question

我是机器学习环境的新手，我正在努力正确理解一些基础概念。我的问题如下： 我有一组数据观察和相应的目标值{ x ， t }。我正在尝试使用这些数据训练一个函数，以便预测未观察到的数据的值，并且我试图通过使用最大后验（MAP）技术（以及贝叶斯方法）和形式的高斯基函数来实现这一点。 ：

\{Phi}Gaussian_{j}(x)=exp((x−μ_{j})^2/2*sigma_{j}^2)

如何选择

1）使用的基函数的数量（M）

2）每个函数的平均值（μ_{j}）

3）每个函数的方差（sigma_ {j}）

Answer 1

文献中有不同的方法。最常见的方法是对输入数据执行无监督的聚类（参见Netlab toolbox）。论文"EMRBF: A Statistical Basis for Using Radial Basis Functions for Process Control"和"Robust Full Bayesian Learning for Radial Basis Networks"中描述了其他一些方法。