Làm thế nào để thực hiện hồi quy quy trình Gaussian khi chức năng được xấp xỉ thay đổi theo thời gian?

Các chiến lược tốt để thực hiện hồi quy quy trình Gaussian là gì khi hàm tôi đang cố gắng xấp xỉ các thay đổi theo thời gian? Cách tiếp cận ngây thơ nảy ra trong đầu tôi là chỉ sử dụng N điểm dữ liệu gần đây nhất để thực hiện hồi quy. Chiến lược tốt hơn là gì?

Bạn có thể thử phương pháp này:

Các phương pháp lựa chọn tập hợp hoạt động dự đoán cho các quy trình Gaussian

Chúng tôi đề xuất một khung lựa chọn tập hợp hoạt động để phân loại quy trình Gaussian cho các trường hợp khi tập dữ liệu đủ lớn để khiến cho suy luận của nó bị cấm. Lược đồ của chúng tôi bao gồm một quy trình xen kẽ hai bước của các quy tắc cập nhật tập hợp hoạt động và tối ưu hóa siêu tham số dựa trên tối đa hóa khả năng cận biên. Các quy tắc cập nhật tập hợp hoạt động dựa trên khả năng phân phối dự đoán của trình phân loại quy trình Gaussian để ước tính sự đóng góp tương đối của một biểu dữ liệu khi được đưa vào hoặc xóa khỏi mô hình.

Nếu bạn muốn một thuật toán ngân sách cố định, hãy xem ví dụ:

M. Lázaro-Gredilla, S. Van Vaerenbergh và I. Santamaría, "Phương pháp tiếp cận Bayes để theo dõi với các ô vuông đệ quy hạt nhân", Hội thảo quốc tế về học máy xử lý tín hiệu (MLSP 2011), Bắc Kinh, Trung Quốc, tháng 9, 2011 .