pymc.gp.Marginal.边际似然

Marginal.marginal_likelihood(name, X, y, sigma=None, noise=None, jitter=1e-06, is_observed=True, **kwargs)

返回给定输入位置 X 和数据 y 的边际似然分布。

这是GP先验与正态似然乘积的积分。

\[y \mid X,\theta \sim \int p(y \mid f,\, X,\, \theta) \, p(f \mid X,\, \theta) \, df\]

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。

yarray_like

数据是带有GP先验和高斯噪声的函数之和。必须具有形状 (n, )。

sigmapython:float, 变量, 或协方差, 默认 WhiteNoise

高斯噪声的标准差。也可以是非白噪声的协方差。

noisepython:float, 变量, 或 协方差, 可选

已弃用。sigma 的先前参数化。

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。

is_observed : 布尔值，默认值 Truebool, 默认 python:True

已弃用。是否在 model 中将 y 设置为 observed 变量。

**kwargs

传递给 MvNormal 分布构造函数的额外关键字参数。