多元高斯和学生-t过程回归用于多输出预测
摘要：多输出预测的高斯过程模型已被证明很有用。现有方法是将矩阵变量高斯分布重新构造成多元正态分布。尽管在许多情况下这样做是有效的，但重新构造并不总是可行的，而且很难应用于其他分布，因为并不是所有的矩阵变量分布都可以转化为相应的多元分布，比如矩阵变量学生-t分布的情况。本文提出了一个统一的框架，不仅用于引入一种新颖的多元学生-t过程回归模型（MV-TPR）进行多输出预测，还用于重新构造多元高斯过程回归（MV-GPR），以克服现有方法的一些局限性。在这个统一的框架下，MV-GPR和MV-TPR都具有边际似然和预测分布的闭合表达式，因此可以采用与传统GPR相同的优化方法。通过几个模拟和真实数据示例验证了所提方法的有用性。特别是，经验验证表明，对于考虑的数据集，包括空气质量预测和自行车租赁预测，MV-TPR具有优势。最后，所提方法被证明可以在股票市场上产生有利可图的投资策略。
作者：Zexun Chen, Bo Wang and Alexander N. Gorban
论文ID：1703.04455
分类：Machine Learning
分类简称：stat.ML
提交时间：2020-05-05