pymc.gp.MarginalKron.conditional

MarginalKron.conditional(name, Xnew, pred_noise=False, diag=False, **kwargs)

返回在新输入位置 Xnew 上评估的条件分布，就像在 Marginal 中一样。

Xnew 将按列分割，并根据其 input_dim 传递给相关的协方差函数。例如，如果 cov_func1、cov_func2 和 cov_func3 的 input_dim 分别为 2、1 和 4，那么 Xnew 必须有 7 列，并且在预测点之间有一个协方差

cov_func(Xnew) = cov_func1(Xnew[:, :2]) * cov_func1(Xnew[:, 2:3]) * cov_func1(Xnew[:, 3:])

由 conditional 返回的分布不具有Kronecker结构，无论输入点是否位于全网格上。因此，Xnew 不需要具有网格结构。

参数:

名称 : strstr

随机变量的名称

Xnewarray_like

函数输入值。如果是一维的，必须是形状为 (n, 1) 的列向量。

pred_noise : 布尔值，默认值 Falsebool, 默认 python:False

是否在条件中包含观测噪声。

**kwargs

传递给 MvNormal 分布构造函数的额外关键字参数。