python实现多输入高斯过程回归

实现多输入高斯过程回归可以使用Python中的GPy库。以下是一个简单的示例代码，使用GPy库实现多输入高斯过程回归：

import numpy as np
import GPy

# 构造数据
X = np.random.rand(100, 2)
Y = np.sin(X[:, 0:1]) * np.cos(X[:, 1:2])

# 定义核函数
kernel = GPy.kern.RBF(input_dim=2, ARD=True)

# 定义高斯过程回归模型
model = GPy.models.GPRegression(X, Y, kernel=kernel)

# 训练模型
model.optimize()

# 预测
X_test = np.random.rand(10, 2)
Y_test = np.sin(X_test[:, 0:1]) * np.cos(X_test[:, 1:2])
Y_pred, Y_var = model.predict(X_test)

# 打印结果
print("真实值：", Y_test)
print("预测值：", Y_pred)
print("方差：", Y_var)

在上述代码中，我们首先生成了一个100行2列的随机矩阵作为训练数据，然后定义了一个RBF核函数。接着我们使用GPy中的GPRegression模型实例化一个高斯过程回归模型，并将训练数据和核函数传入模型中。之后我们使用optimize()方法训练模型。最后我们生成了一个10行2列的随机矩阵作为测试数据，使用predict()方法对其进行预测，并打印出真实值、预测值和方差。