<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Sto cercando di confrontare il modello Gaussian Process di JMP con altri pacchetti software. La maggior parte degli altri pacchetti ha un aspetto casuale: i valori iniziali, per quanto tempo eseguire la procedura di ottimizzazione. JMP funziona allo stesso modo? O è la stessa misura ogni volta data gli stessi dati? E se c'è casualità, come posso cambiare il seme casuale per vedere come influenza i risultati?
Di seguito ho incollato il codice che ho usato per testare questo. Crea un set di dati 1-D che si adatta quindi a un GP. La funzione di reset casuale viene chiamata prima di installare il modello. Da quello che ho fatto finora (con questo e altri set di dati) sembra che lo stesso adattamento (stima dei parametri) sia dato ogni volta. Mi piacerebbe sapere in modo definitivo cosa sta succedendo esattamente con la chiamata alla funzione GP.
New Table( "fdt", Add Rows( 10 ), New Column( "x", Numeric, Continuous, Format( "Best", 11 ), Set Values( [0.778935623, 0.50233312, 0.947723007, 0.173231374, 0.369273156, 0.647761962, 0.286120948, 0.443809711, 0.024479728, 0.807067905] ) ), New Column( "y", Numeric, Continuous, Format( "Best", 11 ), Set Values( [13.73502137, 0.006748857, 3.933447467, 6.585368515, 14.74814471, 16.95462647, 20.04919594, 3.668553052, 7.662042986, 9.481372346] ) ));Random reset(400);Gaussian Process( Y( :y ), X( :x ), Estimate Nugget( 0 ), Set Correlation Function( "Gaussian" ));
