Я хочу использовать гауссовские процессы для решения задачи регрессии. Мои данные таковы: каждый вектор X имеет длину 37, а каждый вектор Y имеет длину 8.

Я используюsklearnпакет вPython но попытка использовать гауссовские процессы приводит кException:

from sklearn import gaussian_process

print "x :", x__
print "y :", y__

gp = gaussian_process.GaussianProcess(theta0=1e-2, thetaL=1e-4, thetaU=1e-1)
gp.fit(x__, y__) 

х: [[136. 137. 137. 132. 130. 130. 130. 132. 133. 134.
135. 135. 134. 134. 1139. 1019. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 70. 24. 55. 0. 9. 0. 0.] [136. 137. 137. 132. 130. 130. 132. 133. 134. 135. 135. 134. 134. 1139. 1019. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 70. 24. 55. 0. 9. 0. 0.] [82. 76. 80. 103. 135. 155. 159. 156. 145. 138. 130. 122. 122. 689. 569. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [156. 145. 138. 130. 122. 118. 113. 111. 105. 101. 98. 95. 95. 759. 639. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [112. 111. 111. 114. 114. 113. 114. 114. 112. 111. 109. 109. 109. 1109. 989. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [133. 130. 125. 124. 124. 123. 103. 87. 96. 121. 122. 123. 123. 399. 279. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [104. 109. 111. 106. 91. 86. 117. 123. 123. 120. 121. 115. 115. 549. 429. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.] [144. 138. 126. 122. 119. 118. 116. 1 14. 107. 105. 106. 119. 119. 479. 359. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

y: [[7. 9. 13. 30. 34. 37. 36. 41.] [7. 9. 13. 30. 34. 37. 36. 41.] [-4. -9. -17. -21. -27. -28. -28. -20. ] [-1. -1. -4. -5. 20. 28. 31. 23.] [-1. -2. -3. -1. -4. -7. 8. 58.] [-1. -2. -14,33333333 -14. -13,66666667 -32. -26,66666667 -1. ] [1. 3.33333333 0. -0.66666667 3. 6. 22. 54.] [-2. -8. -11. -17. -17. -16. -16. -23. ]]

-------------------------------------------------- ------------------------- Traceback исключений (последний последний вызов) в () 11 gp = gaussian_process.GaussianProcess (theta0 = 1e-2, thetaL = 1e-4, thetaU = 1e-1) 12 ---> 13 gp.fit (x__, y__)

/usr/local/lib/python2.7/site-packages/sklearn/gaussian_process/gaussian_process.pyc in fit (self, X, y) 300 if (np.min (np.sum (D, axis = 1)) = = 0. 301 и self.corr! = Correlation.pure_nugget): -> 302 повысить исключение («Несколько входных объектов не могут иметь одинаковое целевое значение« 303 ».)» 304

Исключение: функции нескольких входов не могут иметь одинаковое целевое значение.

я обнаружилнекоторые темы, связанные сscikit-learn вопрос, но моя версия актуальна.