如何在Scikit中构建线性加性模型？

我试图构建一个模型，该模型采用简化中间模型的预测f_I，并将其乘以某个系数c_p，然后加上某个通用模型的结果f_g：

然后，系数C被优化以适应数据。

我选择的通用模型是一个RBF模型，到目前为止，我已经将RBF模型拟合到数据上：

然而，我不知道如何实现这个线性加性模型。我尝试为中间模型创建了一个函数：

def IM(t):    return t*np.sin(omega*t)

然后将GaussianProcessRegressor中的内核更改为类似于以下内容：

kernel = IM()*ConstantKernel() + RBF(length_scale=0.5, length_scale_bounds=(0.01, 100.0))

然而，这不起作用，因为IM()需要是一个某种类型的类，以与Scikit库协作。然而，我在网上找不到有关如何做到这一点的太多信息。

为中间模型f_I创建自定义内核是正确的做法吗？如果是，我如何构建一个自定义内核以与Scikit协作？

我正在遵循来实现这个模型的论文在这里可用，在第2.2节

回答：

我认为fit函数可以改进或修正，但我认为这是一个好的基础。

学技术