如何在GPflow中实现分层异构稀疏GPs？

Question

可以使用GPflow对总体趋势进行建模，也可以进行个人预测，如在Hensman等人中。

具体来说，我试图从一群来自临床评估的个体的空间数据中进行拟合。对于每个人，我是否要处理大约20000个数据点(每个人的记录数量不同)，这肯定限制了我自己的稀疏实现。除此之外，我还需要一个输入相关的噪声模型，从而产生异方差。

我已经安装了一个异稀疏模型，就像在这个笔记本例子中一样，但是我不知道如何扩展它来执行分层学习。欢迎提出任何意见:)

Answer 1

https://github.com/mattramos/SparseHGP可能会有帮助。这个回购给了GPFlow2代码来建模一个稀疏的层次模型。注意，在实现中仍然有一些粗糙的边缘需要构建一个昂贵的for循环。