高斯过程回归python代码

以下是一个简单的高斯过程回归的 Python 代码示例：

import numpy as np
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF

# 构造数据
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array([1, 2, 3, 4])

# 定义高斯核函数
kernel = RBF(length_scale=1.0)

# 定义高斯过程回归模型
model = GaussianProcessRegressor(kernel=kernel)

# 拟合模型
model.fit(X, y)

# 预测新数据
X_new = np.array([[2, 3], [4, 5]])
y_pred = model.predict(X_new)

print(y_pred)

这段代码使用了 scikit-learn 库中的 GaussianProcessRegressor 类来实现高斯过程回归。首先，我们构造了一些训练数据 X 和对应的目标值 y。然后，定义了一个 RBF 核函数作为高斯核函数，并使用这个核函数构造了一个高斯过程回归模型。最后，我们使用 fit 方法拟合模型，并使用 predict 方法对新数据进行预测。