我正在尝试使用“机器学习的高斯过程”第 5.4.3 节中的 Mauna Loa 示例中的函数方法来预测具有高斯过程的各种时间序列。（X = 时间，y = 在时间点的观察值）。
除了那个特定的例子，我几乎总是以预测作为训练数据的平均值而告终。尽管使用 Periodic Kernel 并将周期性设置为 7 以获得清晰的每周模式，但预测保持平稳，训练集的拟合值也接近均值，几乎没有变化。通过一些手动网格搜索，我得到训练数据以更好地匹配训练数据，但大多数时间预测再次保持平稳。

我已经尝试了许多不同的内核（RBF、Periodic 等）和组合，尝试了超参数的不同起点（尤其是方差和长度尺度），对观察使用了不同的时间尺度和不同的缩放技术（减去平均值，除以 std，两者都没有缩放）。然而，预测几乎总是持平。
现在我知道内核和超参数的选择应该是合理的，但我认为获得有意义的输出并不那么难，而且我在这里做错了什么。

我尝试的包是 Python 3.6 上的 gpflow 和 sklearn ，并且正在通过边际似然优化参数（没有稀疏 GP 或变分近似）

我的问题是：有没有人知道我在这里做错了什么或者如何更容易获得合理的预测？