在GPyTorch中高斯过程如何组合不同的核？

Question

我试图通过使用GPyTorch来拟合Gaussian Process Regression模型来学习高斯过程。但是，我无法找到一种方法来组合不同的内核，如高斯过程的sklearn实现所示。我使用的是GPyTorch，因为它更灵活，与scikit-learn相比，它有更多可以使用的内核。任何帮助，特别是对代码片段的帮助都是非常有用的。

谢谢。

Answer 1

例如，要通过加法组成两个内核，可以直接添加内核模块：

self.covar_module = ScaleKernel(RBFKernel() + WhiteNoiseKernel())

也可以将内核的输出添加到forward方法中：

covar_x = self.rbf_kernel_module(x) + self.white_noise_module(x)

然后，GPRegressionModel的类将如下所示：

class GPRegressionModel(gpytorch.models.ExactGP):
def __init__(self, train_x, train_y, likelihood):
    super(GPRegressionModel, self).__init__(train_x, train_y, likelihood)

    self.mean_module = gpytorch.means.ConstantMean()
    self.covar_module = ScaleKernel(RBFKernel() + WhiteNoiseKernel())

def forward(self, x):
    mean_x = self.mean_module(x)
    covar_x = self.covar_module(x)
    return gpytorch.distributions.MultivariateNormal(mean_x, covar_x)