আমি প্রয়োগ করেছি গাউসী প্রক্রিয়া রিগ্রেশন অ্যালগরিদমের হাইপারপ্যারামিটারগুলি টিউন করার চেষ্টা করছি। আমি কেবল সূত্র given দ্বারা প্রদত্ত লগের প্রান্তিক সম্ভাবনাটি সর্বাধিক করতে চাই যেখানে K এর সাথে সমবায় ম্যাট্রিক্স উপাদানসমূহ কে_ {ইজ} = কে (এক্স_আই, এক্স_জে) = বি ^ {- ১} \ এক্সপ্রেস (- \ ফ্রে্যাক {1} {2} (x_i-x_j) ^ টিএম (x_i-x_j)) + এ ^ {- 1 } \ ডেল্টা_ {আইজ} যেখানে এম = এলআই এবং এ, বি এবং এল হাইপারপ্যারামিটার।
লগ প্রান্তিক সম্ভাবনা আর্ট প্যারামিটারগুলির আংশিক ডেরাইভেটিভ নিম্নলিখিত \ frac {\ লগ দ্বারা দেওয়া হয়েছে
যেমন কে এর এন্ট্রিগুলি পরামিতিগুলির উপর নির্ভর করে, তেমনি ডেরিভেটিভস এবং কে এর বিপরীতমুখী করে । এর অর্থ, যখন একটি গ্রেডিয়েন্ট-ভিত্তিক অপ্টিমাইজার নিয়োগ করা হয়, তখন নির্দিষ্ট বিন্দুতে (পরামিতি মান) গ্রেডিয়েন্টটি মূল্যায়নের জন্য কোভারিয়েন্স ম্যাট্রিক্সের পুনর্নির্মাণের প্রয়োজন হবে। আমার প্রয়োগে এটি সম্ভবপর নয় কারণ স্ক্র্যাচ থেকে কোভেরিয়েন্স ম্যাট্রিক্সের গণনা করা এবং গ্রেডিয়েন্ট অ্যাসেন্টের প্রতিটি পুনরাবৃত্তিতে এর বিপরীত গণনা করা ব্যয়বহুল। আমার প্রশ্ন এই তিনটি পরামিতিগুলির মোটামুটি ভাল সংমিশ্রণের জন্য আমার বিকল্পগুলি কী? এবং প্রথমে কোন প্যারামিটারটি অপ্টিমাইজ করতে হবে তাও আমি জানি না এবং আমি এই বিষয়ে কোনও পয়েন্টারকেও প্রশংসা করব।