J'utiliserais un modèle gaussien multidimensionnel pour la régression. Rasmussen a publié un livre avec un algorithme, mais il n'est valable que pour une seule dimension. Une idée pour le modifier ?
Réponses
Trop de publicités?
Tout d'abord, je suppose que vous connaissez http://www.gaussianprocess.org/gpml/code/matlab/doc/regression.html#ard et ce n'est pas ce que vous souhaitez.
Deuxièmement, je présume par conséquent que votre problème concerne plusieurs fonctions. Dans ce cas, pour la plupart des raisons, vous pouvez simplement effectuer votre régression sur chaque fonction séparément ; c'est-à-dire, à moins que vous n'ayez une norme bizarre sur l'espace de sortie qui vous est prescrite.
Pradeep Ranganathan
Points
11
Supposons que vous souhaitiez modéliser f(x,y) = [u , v]^T. Vous pouvez modéliser u et v séparément :
f1(x,y) = u
f2(x,y) = v
Cela revient à supposer que u et v sont conditionnellement indépendants étant donné x, y. Cependant, le GPML indique que u et v peuvent rester corrélés en raison d'un processus de bruit corrélant. Consulter Chapitre 9 du GPML pour les approches dans ce cas.
