gpr高斯过程回归python

高斯过程回归（GPR）是一种非参数的回归方法，它可以用于建模非线性关系。在Python中，可以使用scikit-learn库中的GaussianProcessRegressor类来实现GPR。

以下是一个简单的示例代码：

from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF

# 创建GPR模型
kernel = RBF()
gpr = GaussianProcessRegressor(kernel=kernel)

# 训练模型
X_train = [[0], [1], [2], [3], [4]]
y_train = [0, 1, 4, 9, 16]
gpr.fit(X_train, y_train)

# 预测
X_test = [[0.5], [1.5], [2.5]]
y_pred, sigma = gpr.predict(X_test, return_std=True)
print(y_pred)   # 输出预测值
print(sigma)    # 输出标准差