为什么在高斯过程回归器中添加更多数据点后均值预测变得平坦

Question

我尝试在机器人模拟器中进行贝叶斯优化，以找到适合所需轨迹（正弦运动）的最佳 Kd 和 Kp 值。首先，我使用给定范围内的随机 Kp 和 Kd 值对手臂进行一些随机运动，并跟踪所需运动的误差。在高斯过程中，我注意到在大约 29 次调用之后，平均预测看起来不错，但在 30 次调用时，预测变得平坦（第二张图片）。为什么会这样，是不是数据点太多了，无法拟合？

顺便说一句，我在这里使用 Matern 内核，但 RBF 也会发生同样的情况

谢谢

Answer 1

如果您可以提供一些代码，会更容易提供帮助。你们做了超参数优化吗？你的内核的长度是多少？看起来很短。

此外，所有可观测值总是在 8000 - 9000 左右吗？然后您可能想要减少它们，例如减少 100 倍，以减少目标值之间的差异。您始终可以重新应用一些缩放。