GPR模型的数据近似子集
使用确切方法训练GPR模型(当FitMethod
是'精确的'
)需要倒置n-经过-n矩阵。因此,计算复杂性是o(kn3), 在哪里k是估计所需的功能评估数量
,,,,
, 和
, 和n是观察的数量。大n,参数或计算预测的估计可能非常昂贵。
通过大数据集解决计算复杂性问题的一种简单方法是选择m<n观察结果n然后申请精确的GPR模型这些m要估计的要点 ,,,, , 和 而忽略另一个(n-m)积分。这个较小的子集被称为活动集或者诱导输入集。这种近似方法称为数据子集(SD)方法。
使用SD方法时的计算复杂性为O(km3), 在哪里k是功能评估的数量m是活动设置的大小。存储要求为o(m2)由于只有完整核矩阵的一部分 需要存储在内存中。
您可以使用“ fitMethod','sd'
呼叫中的名称值对参数fitrgp
。要指定预测的SD方法,请使用“预测方法”,“ SD”
名称值对参数。
要使用精确的GPR模型估算参数,请参见使用精确GPR方法的参数估计。要使用确切的GPR模型进行预测,请参见使用精确的GPR方法进行预测。