После просмотра всех документов и примеров в Интернете я не смог найти способ извлечь информацию, касающуюся доверительных интервалов или интервалов прогнозирования, из моделей GPy .
, которые я генерируюфиктивные данные, подобные этому,
## Generating data for regression
# First, regular sine wave + normal noise
x = np.linspace(0,40, num=300)
noise1 = np.random.normal(0,0.3,300)
y = np.sin(x) + noise1
## Second, an upward trending starting midway, with its own noise as well
temp = x[150:]
noise2 = 0.004*temp**2 + np.random.normal(0,0.1,150)
y[150:] = y[150:] + noise2
plt.plot(x, y)
, а затем оцените базовую модель,
## Pre-processing
X = np.expand_dims(x, axis=1)
Y = np.expand_dims(y, axis=1)
## Model
kernel = GPy.kern.RBF(input_dim=1, variance=1., lengthscale=1.)
model1 = GPy.models.GPRegression(X, Y, kernel)
Однако из этого ничего не ясно, как действовать дальше ... Другой вопрос здесь пытался спросить то же самое, но этот ответ больше не работает и кажется довольно неудовлетворительным для такого важного элемента статистического моделирования.