GPy RBF内核实现

时间:2017-01-28 02:30:48

标签: machine-learning regression gaussian normal-distribution kernel-density

在rbf.py中,k(r)在数学上定义为:

k(r) = \sigma^2 \exp \\bigg(- \\frac{1}{2} r^2 \\bigg)

然而,rbf.py中的K_of_r方法会跳过sigma ^ 2而是使用sigma(self.variance)。我在这里遗漏了什么,或者是K_of_r方法的实施中的错误。

 def K_of_r(self, r):
        return self.variance * np.exp(-0.5 * r**2)

我认为实施应该是:

 def K_of_r(self, r):
        return (self.variance ** 2) * np.exp(-0.5 * r**2)

https://github.com/SheffieldML/GPy/blob/devel/GPy/kern/src/rbf.py#L34

1 个答案:

答案 0 :(得分:0)

西格玛是标准偏差。方差等于标准偏差的平方。因此sigma ^ 2 =方差。