高斯过程的偏好学习。 基于高斯过程的概率内核方法用于偏好学习的Python实现。 偏好关系是在贝叶斯框架中捕获的,该框架依次允许在尽可能少的迭代中对推断函数(高斯过程)进行全局优化。 安装。 安装 从PyPI: pip install GPro 从GitHub: pip install git+https://github.com/chariff/GPro.git 依存关系 GPro要求: Python(> = 3.5) NumPy(> = 1.9.0) 科学( = 0.24.0) 使用GPro的简要指南。 请检查软件包文档字符串以获取更多信息。 1.拟合并做出预测。 from GPro . preference import ProbitPreferenceGP import numpy as np 训练数据由数字实数正值组成。 至少需要两个值