Python_mgp
近似边际GP的实现。
Garnett, R.、Osborne, M. 和 Hennig, P. 高斯过程线性嵌入的主动学习。 (2014)。 第 30 届人工智能不确定性会议（UAI 2014）。
假设我们有一个关于潜在函数 f 的高斯过程模型：
p(f | \theta) = GP(f; \mu(x; \theta), K(x, x'; \theta)),
其中 \theta 是模型的超参数。 假设我们有一个观测数据集 D = (X, y) 和一个测试点 x*。 此函数返回相关观测值 y* 和潜在函数值 f* 的近似边际预测分布的均值和方差：
p(y* | x*, D) = \int p(y* | x*, D, \theta) p(\theta | D) d\theta, p(f* | x*, D) = \int p(f* | x*, D, \theta
