【Python实例第34讲】高斯过程分类：XOR数据集

最新推荐文章于 2025-03-11 17:54:58 发布

Goodsta

最新推荐文章于 2025-03-11 17:54:58 发布

阅读量2.5k

点赞数

文章标签： python

本文链接：https://blog.youkuaiyun.com/wong2016/article/details/86440948

版权

本文通过实例代码展示了如何使用Python进行高斯过程分类(GPC)，在XOR数据集上进行操作，并对比了平稳核(RBF)与非平稳核(DotProduct)的分类效果。在该数据集中，DotProduct核展现出良好的线性分类能力，而RBF核通常更为适用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

这个例子演示在XOR数据集上进行高斯过程分类(Gaussian Process Classification, GPC), 并且与平稳的isotropic核(RBF), 非平稳核(DotProduct)的分类结果比较。在这个特殊的数据集上，DotProduct核方法获得了相当好的结果，这是因为分类边界是线性的。一般来说，平稳的核方法的结果较好。

实例代码

import numpy as np
import matplotlib.pyplot as plt

from sklearn.gaussian_process import GaussianProcessClassifier
from sklearn.gaussian_process.kernels import RBF, DotProduct


xx, yy = np.meshgrid(np.linspace(-3, 3, 50),
                     np.linspace(-3, 3, 50))
rng = np.random.RandomState(0)
X = rng.randn(200, 2)
Y = np.logical_xor(X[:, 0] > 0, X[:, 1] > 0)

# fit the model
plt.figure(figsize=(10, 5))
kernels = [1.0 * RBF(length_scale=1.0), 1.0 * DotProduct(sigma_0=1.0)**2]
for i, kernel in enumerate(kernels):
    clf = GaussianP