【发布时间】：2017-02-16 02:33:15
【问题描述】：
我正在尝试使用高斯过程回归实现贝叶斯优化，我想先尝试多输出 GP。
实现 GP 的软件有很多，比如 MATLAB 中的 fitrgp 函数和 ooDACE 工具箱。
但是我没有找到任何可用的软件实现所谓的多输出GP，即预测向量值函数的高斯过程模型。
那么，有没有实现多输出高斯过程的软件可以直接使用？
【问题讨论】：
【发布时间】：2017-02-16 02:33:15
【问题描述】：
我不确定我的回答是否会对您有所帮助，因为您似乎正在搜索 matlab 库。
但是，您可以在 R 中与 gstat 进行联合克里金法。有关使用的更多详细信息，请参阅 http://www.css.cornell.edu/faculty/dgr2/teach/R/R_ck.pdf 或 https://github.com/cran/gstat/blob/master/demo/cokriging.R。
缺乏进行协同克里金的工具的部分原因是使用它相对困难。您需要比简单克里金法更多的假设：特别是，通过交叉协方差函数 (https://stsda.kaust.edu.sa/Documents/2012.AGS.JASA.pdf) 对协同克里金法输出之间的依赖关系进行建模。协方差矩阵要大得多，您仍然需要确保它是正定的，这可能会变得非常困难，具体取决于您的协方差函数...
【讨论】：
-
我知道协同克里金法，ooDACE 工具箱中有协同克里金法实现，但我认为这不是我想要的。据我了解，对于 cokriging，只有一个“隐藏的黑色函数”，但是该函数有多个评估器，不同的评估器具有不同的准确性和评估成本，因此您可以使用相对便宜的评估器来校正准确但昂贵的评估器.
-
是的，协同克里金法可用于这种所谓的“多保真”设置，也可用于预测（紧密）相关的输出。如果您不想使用协同克里金法，那么您想要什么？
-
我正在搜索papers.nips.cc/paper/5086-multi-task-bayesian-optimization 中提到的所谓“多任务贝叶斯优化”的一些实现，幸运的是我在github.com/ebonilla/mtgp 中找到了一个，但我也会尝试使用联合克里金法进行比较.