我想使用GPR从一个已部署的接入点(AP)预测RSS。由于探地雷达也给出了平均RSS及其方差,因此它在定位导航系统中有着非常重要的作用。我阅读了与探地雷达相关的出版期刊,并对其有了理论上的见解。现在,我想用real data(RSS)来实现它。在我的系统中,输入和相应的输出(观察)是:
X:二维笛卡尔坐标点
y:对应坐标处的RSS(-dBm)数组
在网上搜索之后,我发现我可以使用sklearn软件(使用python)。我安装了sklearn,并成功地测试了示例代码。示例python脚本用于1D GPR。因为我的输入集是二维坐标,所以我想修改示例代码。我发现其他人也尝试过这样做,例如:How to correctly use scikit-learn's Gaussian Process for a 2D-inputs, 1D-output regression?,How to make a 2D Gaussian Process Using GPML (Matlab) for regression?,和{a4}。在
预期(预测)值应类似于y。我得到的价值很不一样。我要预测RSS的测试台的大小是16*16平方米. 我想预测每一米的RSS。我假设高斯过程预测器在样本代码中使用高斯下降算法进行训练。我想用萤火虫算法优化超参数(θ:使用y和X训练)。在
为了使用我自己的数据(2D输入),我应该编辑哪一行代码?类似地,我如何实现萤火虫算法(我已经用pip安装了萤火虫算法)?在
请帮我提些建议和意见。在
非常感谢。在
为了说明潜在问题,我对代码进行了一些简化:
为了清楚起见,我将
y
重命名为y_train
。在对GP进行拟合并对x_train
进行预测之后,我们看到模型完美地预测了训练样本,这可能就是您的意思。我不确定你在问题中是否写错了小写x
,我称之为x_test
(而不是大写的X
,我称之为x_train
)。如果我们对x_test
进行预测,没有相应的y_test
值,我们就无法真正知道预测有多好。所以,这个基本的例子和我预期的一样。在您似乎还试图为}对于每个位置总是相同的。如果需要网格,请查看np.meshgrid。在
x_test
创建一个网格,但是当前的代码没有这样做。在这里,x1
和{相关问题 更多 >
编程相关推荐