Question

我需要使用sci-kit学习库在Python中实现GPR（高斯过程回归）。

我的输入X有两个功能。防爆。 X = [种族，BMI]。输出是一维y = [age_expectancy]

我想使用两个内核; RBF和Matern，使得RBF使用'种族'功能，而Matern使用'年龄'功能。我尝试了以下方法：

X = np.matrix([[1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.], [1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.],[1.,2], [3.,4], [5.,1], [6.,5],[4, 7.],[ 9,8.]]).T


y=[84,  42, 47, 55,  25,  78, 52, 25, 75, 22,  45, 45, 88,  56, 77, 58,  48,  79]


kernel = R(X[0]) * M(X[1])

gp = GaussianProcessRegressor(kernel=kernel)


gp.fit(X, y)

但这会产生错误'ValueError：找到输入变量数不一致的样本：[2,18]'。

我尝试了几种方法但找不到解决方案。真的很感激，如果有人可以提供帮助。

Answer 1

我看不到你的整个代码，但这是我的建议。

似乎您的输入是矩阵和列表。矩阵 X 的形状为（2,18），列表的大小 y 18 。

因此，我建议将列表转换为明确定义为（1,18）的形状的数组。运行这个：

y = np.reshape(y,(1,18))

在gp.fit(X, y)之前，让我知道它是否有效：）

Answer 2

你为什么在X上做.T？

这会将X的形状从（18,2）改变为（2,18），从而改变错误。

以下内容对我有用（刚刚从X末尾删除了.T）：

X = np.matrix([[1.,2], [3.,4], [5.,1], [6.,5], [4, 7.], [9,8.], [1.,2], 
               [3.,4], [5.,1], [6.,5], [4,7.], [ 9,8.], [1.,2], [3.,4], 
               [5.,1], [6.,5], [4,7.], [9,8.]])

y = [84, 42, 47, 55, 25, 78, 52, 25, 75, 22, 45, 45, 88, 56, 77, 
     58, 48, 79]

gp.fit(X, y)

以二维特征数组作为Python

2 个答案: