pymc.gp.Latent.prior#

Latent.prior(name, X, reparameterize=True, jitter=1e-06, **kwargs)[源代码]#

返回在输入位置 X 上评估的 GP 先验分布。

这是由其均值和协方差函数描述的函数空间上的先验概率。

\[f \mid X \sim \text{MvNormal}\left( \mu(X), k(X, X') \right)\]
参数:
名称 : strstr

随机变量的名称

Xarray_like

函数输入值。如果是一维的,必须是形状为 (n, 1) 的列向量。

reparameterize : 布尔值, 默认 Truebool, 默认 python:True

通过将随机变量按协方差矩阵的Cholesky因子旋转,重新参数化分布。

抖动 : float, 默认值 1e-6python:float, 默认值 1e-6

对正半定协方差矩阵的对角线添加的小修正,以确保数值稳定性。

**kwargs

传递给 MvNormal 分布构造函数的额外关键字参数。