近似される関数が時間とともに変化するときにガウス過程回帰を実行する方法は？

時間の経過に伴う変化を概算しようとしている関数のガウスプロセス回帰を実行するための適切な戦略は何ですか？私の頭に浮かぶ素朴なアプローチは、最新のN個のデータポイントのみを使用して回帰を実行することです。より良い戦略は何ですか？

あなたはこの方法を試すことができます：

ガウスプロセスの予測アクティブセット選択方法

データセットが推論を禁止するのに十分な大きさである場合のガウスプロセス分類のためのアクティブセット選択フレームワークを提案します。私たちのスキームは、アクティブセット更新ルールの2ステップの交互手順と、周辺尤度最大化に基づくハイパーパラメーター最適化で構成されています。アクティブセット更新ルールは、ガウスプロセス分類器の予測分布がモデルに含まれるか、モデルから削除される場合のデータポイントの相対的な寄与を推定する機能に依存しています。

固定予算アルゴリズムが必要な場合は、たとえば、

M.Lázaro-Gredilla、S。Van VaerenberghおよびI.Santamaría、「カーネル再帰的最小二乗法を使用した追跡へのベイジアンアプローチ」、IEEE International Workshop on Machine Learning for Machine Learning（MLSP 2011）、北京、中国、2011年9月。