我正在尝试使用sklearn.gaussian_process回归V = F（x，y，z，u，w）以使我的内核成为
K = white_noise + isotropic_rbf(x,y,z) * isotropic_rbf(u,w)
使用_active_dim_
在GPy和GPflow中很容易做到 K = white_noise + isotropic_rbf(X,active_dim=[0,1,2]) * isotropic_rbf(X,active_dim=[3,4])
X = [x，y，z，u，w]
我通过更改生成了两个新的RBF类和修改后的RBF类
从RBF1中的X = np.atleast_2d(X)到X = np.atleast_2d(X[:,:3)，在RBF2中的X = np.atleast_2d(X[:,3:)
尝试失败！
任何建议或解决方案将不胜感激