我使用稀疏高斯过程进行Rasmussen的回归。 [http://www.tsc.uc3m.es/~miguel/downloads.php][1]
预测均值的语法是：
[〜，mu_1，〜，〜，loghyper] = ssgpr_ui（Xtrain，Ytrain，Xtest，Ytest，m）;
我的问题是，作者指出初始超参数搜索条件对于不同的迭代是不同的，因此模型的结果不同于每次迭代。有没有办法确保将最佳初始化或种子条件设置为具有高质量的超参数，以获得最佳预测和可重现的结果？
答案 0 :(得分：1)
为了每次都获得相同的预测，可以设置种子
stream = RandStream('mt19937ar','Seed',123456);
RandStream.setGlobalStream(stream);
但是，没有标准程序来设置最好的种子。这样做会导致模型过度拟合，因为我们提供了太多理想条件来拟合@mikkola引用的训练数据