Я использую модуль гауссовских процессов в Sklearn, чтобы попытаться предсказать изменения в индикаторе в течение следующего периода времени, и предсказания модели в наборе обучающих данных почти точно такие же, как на самом деле, но всегда есть показтенденция к снижению в интервале прогноза и в любом случае, изменение набора данных обучения, Этот результат не изменился.Я предполагаю, что это может быть связано с моим выбором функции ядра и настройками параметров, которые являются моей функцией ядра и двумя наборами различных предиктивных образов обучающих данных, что я должен сделать, чтобы устранить это явление?
kernel = C (1.27, (0,127, 6,35)) * RBF (8, (0,8, 10)) + C (1,27, (0,127, 6,35)) * Matern (8, (0,8, 10))
Не знаюзнаю, как отправлять изображения, но кривые прогнозирования для всех наборов обучающих данных не работают.Примечание: от чего зависит Length_scale для массива или float в ядре?Какая разница между двумя?Я новичок в регрессии гауссовского процесса спасибо за чтение!