Howtosignalprocessing
- ¿Qué es un núcleo de covarianza??
- ¿Cómo elijo un kernel GPR??
- ¿Cómo elijo una función de núcleo??
- ¿Qué hace el núcleo en el proceso gaussiano??
¿Qué es un núcleo de covarianza??
En términos sueltos, una función de núcleo o covarianza K (x, x ') especifica la relación estadística entre dos puntos x, x' en su espacio de entrada; es decir, cuán notablemente un cambio en el valor del proceso gaussiano (GP) en X se correlaciona con un cambio en el GP en X '.
¿Cómo elijo un kernel GPR??
Aquí hay una buena manera de justificar una elección del núcleo en un informe. Primero: ajuste 2 o 3 funciones de kernel diferentes que podría pensar que son razonables. Segunda calculación de estadísticas de interés de prueba, como autocovarianza de muestra a diferentes distancias en los datos originales.
¿Cómo elijo una función de núcleo??
Siempre pruebe el núcleo lineal primero, simplemente porque es mucho más rápido y puede obtener excelentes resultados en muchos casos (específicamente problemas de alta dimensión). Si el núcleo lineal falla, en general su mejor opción es un kernel RBF. Se sabe que funcionan muy bien en una gran variedad de problemas.
¿Qué hace el núcleo en el proceso gaussiano??
La función del núcleo k (xₙ, xₘ) utilizada en un modelo de proceso gaussiano es su propio corazón: la función del núcleo esencialmente le dice al modelo cuán similares son dos puntos de datos (xₙ, xₘ). Varias funciones del núcleo están disponibles para su uso con diferentes tipos de datos, y echaremos un vistazo a algunas de ellas en esta sección.
