本文整理汇总了Python中sklearn.gaussian_process.GaussianProcessRegressor.log_marginal_likelihood_data方法的典型用法代码示例。如果您正苦于以下问题：Python GaussianProcessRegressor.log_marginal_likelihood_data方法的具体用法？Python GaussianProcessRegressor.log_marginal_likelihood_data怎么用？Python GaussianProcessRegressor.log_marginal_likelihood_data使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类sklearn.gaussian_process.GaussianProcessRegressor的用法示例。
在下文中一共展示了GaussianProcessRegressor.log_marginal_likelihood_data方法的1个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: RBFBoolS
# 需要导入模块: from sklearn.gaussian_process import GaussianProcessRegressor [as 别名]
# 或者: from sklearn.gaussian_process.GaussianProcessRegressor import log_marginal_likelihood_data [as 别名]
print 'X: ', XT
print 'y: ', y
# initialize the kernel
kernel_test = RBFBoolS(length_scale = [2, 2, 2, 2, 2, 2, 2], length_scale_bounds = [0.1, 10])
print 'after kernel init'
# train the model
gp_test = GaussianProcessRegressor(kernel=kernel_test, alpha=0.1, normalize_y=True)
print 'after GP regressor'
gp_test.InitKernel()
print("GPML kernel: %s" % gp_test.kernel_)
print("Log-marginal-likelihood: %.3f"
% gp_test.log_marginal_likelihood_data(XT, y))
gp_test.fit(XT, y)
print("GPML kernel: %s" % gp_test.kernel_)
print("Log-marginal-likelihood: %.3f"
% gp_test.log_marginal_likelihood(gp_test.kernel_.theta))
print("GPML kernel: %s" % gp_test.kernel_)
print("Log-marginal-likelihood: %.3f"
% gp_test.log_marginal_likelihood_data(XT, y))
start_time = time()
X_ = []
for i in range(3):
X_.append([i+0.5, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1])