scikit-learn GaussianProcessRegressor vs GaussianProcess？为什么在0.18版本中不推荐使用GaussianProcess？

Question

我正在尝试使用kriging（高斯过程）回归与常数项和广义指数相关模型。我能够使用GaussianProcess函数（版本0.17.1）在旧版本中执行此操作。当我使用它时，我会收到警告

  

deprecationWarning：不推荐使用GaussianProcess类; GaussianProcess在版本0.18中已弃用，将在0.20中删除。改为使用GaussianProcessRegressor。

但是，我找不到GaussianProcessRegressor的类似选项。我想知道我是否可以使用GaussianProcessRegressor或scikit-learn不再支持此功能。

Answer 1

是的，你可以。

GaussianProcessRegressor类可用作替代品。默认情况下，它使用RBF内核。因此，根据您的情况，您可以相应地设置内核。见Rasmussen。实际上，这个新课程的目的是根据这本圣经来实施GP。

Answer 2

GaussianProcess函数（版本0.17.1）基于DACE包，提供两个选项：趋势项和关联项。

1. Kriging中的趋势项可以设置为常数或多项式，如线性，二次。 GaussianProcessRegressor假定一个恒定的趋势项，它是训练数据的平均值。它不支持克里金与趋势。然而，这不是一个主要问题，因为文献表明，复杂的趋势术语可能没有多大帮助。参见（Chen，2016）。

2. 相关项是GaussianProcess类似于GaussianProcessRegressor中的相关内核，后者更灵活。 RBF内核类似于平方指数内核，形式略有不同。 （而不是exp（-theta *（距离）^ 2）被exp（-theta *（距离）^ 2 / length ^ 2）替换。

最后，GaussianProcess中的过程方差是通过解析表达式获得的，而在GaussianProcessRegressor中，它是通过最大化似然估计得到的。

参考文献：

S上。 N. Lophaven，H。B. Nielsen，J。Sondergaard，DACE-A MATLAB Kriging工具箱， 版本2.0，技术。 Rep。，2002a。

小时。 Chen，J.L。Loeppky，J。Sacks，W。J. Welch，et al。，Analysis Methods for Computer Experiments：How to Assess and What Counts？，Statistical Science 31（1）（2016）40-60。