13 lines
1018 B
Markdown
13 lines
1018 B
Markdown
---
|
|
title: Gaussian Process
|
|
localeTitle: 高斯过程
|
|
---
|
|
## 高斯过程
|
|
|
|
在概率论和统计学中，高斯过程是一种特殊类型的统计模型，其中观察发生在连续域中，例如时间或空间。在高斯过程中，某个连续输入空间中的每个点都与正态分布的随机变量相关联。此外，这些随机变量的每个有限集合都具有多元正态分布，即它们的每个有限线性组合是正态分布的。高斯过程的分布是所有那些（无限多个）随机变量的联合分布，因此，它是具有连续域的函数的分布，例如时间或空间。
|
|
|
|
作为机器学习算法，高斯过程使用惰性学习和点之间的相似性度量（核函数）来预测训练数据中看不见的点的值。预测不仅仅是对该点的估计，而且还具有不确定性信息 - 它是一维高斯分布（这是该点的边际分布）。
|
|
|
|
#### 更多信息：
|
|
|
|
* [傻瓜的高斯过程](http://katbailey.github.io/post/gaussian-processes-for-dummies/) |