我正在尝试编写代码以使用pyGP进行回归，其中我的训练数据x（和测试数据z）是多维的。所以训练示例为x：（0.2，0.5）和y：（0.7）。
我首先从演示“ demo_GPR_FITC.py”中试用了一些代码，其中x和z是一维的：
demoData = np.load('regression_data.npz')
x = demoData['x'] # training data
y = demoData['y'] # training target
z = demoData['xstar'] # test data
# Start from a new model
model = pyGPs.GPR_FITC()
model.setData(x, y)
#model.optimize()
model.predict(z)
model.plot()
这行得通，所以我尝试运行演示，将x和z的维数扩展为2维，如下所示：
我将x转换为x2，以便当x的元素为0.2时，x2的元素为[0.2，0.2]。
因此x的形状为（20L，1L），x2的形状为（20L，2L）。
我对测试数据z做了同样的事情，并试图设置数据并进行预测。这是我使用的代码：
demoData = np.load('regression_data.npz')
x = demoData['x'] # training data
y = demoData['y'] # training target
z = demoData['xstar'] # test data
# Start from a new model
model = pyGPs.GPR_FITC()
x2 = []
for i in range (len(x)):
x2.append([x[i][0], x[i][0]])
x2 = np.asarray(x2)
z2 = []
for i in range (len(z)):
z2.append([z[i][0], z[i][0]])
z2 = np.asarray(z2)
model.setData(x2, y)
#model.optimize()
model.predict(z2)
model.plot()
通过使用多维x和z运行上面的代码，我得到以下错误：
Traceback (most recent call last):
File "<ipython-input-176-8b27178cc782>", line 22, in <module>
model.predict(z2)
File "C:\Program Files\WinPython-64bit-2.7.10.2\python-2.7.10.amd64\lib\site-packages\pyGPs\Core\gp.py", line 395, in predict
Ks = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross') # cross-covariances
IndexError: index 20 is out of bounds for axis 0 with size 20
现在我的问题是是否需要以其他方式制作x2和z2？
还是演示中的代码不适合多维x和z，如果可以，我还有其他方法可以使用吗？
预先谢谢你！
最佳答案
这是一个索引错误。现在已修复。请从github获取pyGP或将其添加到gp.py中：
if isinstance(covfunc, FITCOfKernel):
Ks = covfunc.getCovMatrix(x=x, z=xs[id,:], mode='cross') # cross-covariances
Ks = Ks[nz,:]
else:
Ks = covfunc.getCovMatrix(x=x[nz,:], z=xs[id,:], mode='cross') # cross-covariances
感谢您指出了这一点！马里恩