Kullback-Leibler sapması , iki olasılık yoğunluk fonksiyonunu karşılaştırmak için bir metriktir, ancak iki GP'nin ve karşılaştırmak için hangi metrik kullanılır ?Y
Kullback-Leibler sapması , iki olasılık yoğunluk fonksiyonunu karşılaştırmak için bir metriktir, ancak iki GP'nin ve karşılaştırmak için hangi metrik kullanılır ?Y
Yanıtlar:
Gauss süreçlerinin nin dağılımının, muhtemelen sonsuz için çok değişkenli Gauss'un uzantısı olduğunu unutmayın . Böylece, üzerine entegre ederek GP olasılık dağılımları arasındaki KL sapmasını kullanabilirsiniz :X R X
İşlemleri GP dağıtımlarına göre tekrar tekrar örnekleyerek, bu miktarı sayısallaştırılmış bir üzerinden sayısal olarak tahmin etmek için MC yöntemlerini kullanabilirsiniz . Yakınsama hızının yeterince iyi olup olmadığını bilmiyorum ...
Açıklama ki eğer ile sonlu , sonra yine çok değişkenli Normal dağılımlar için olağan KL sapma düşmek: | X | = N D K L ( G P ( μ 1 , K 1 ) , G, P ( μ 2 , K 2 ) ) = 1
Ol, eğer , ortalama işlevi olan bir Gauss işlem olup ve kovaryans fonksiyonu , o zaman, her için , rasgele vektör , ortalama vektör ve kovaryans matrisi , burada ortak kısaltma .
Her gerçekleşme , etki alanı dizin kümesi olan gerçek bir işlevdir . Diyelim ki . İki verilen Gauss Süreçleri ve , iki gerçekleşmeleri arasındaki bir ortak mesafe ve olup. Bu nedenle, bu iki işlem arasında mesafeyi doğal görünen ve olarak 0 ≤ t 1