13 lines
1.4 KiB
Markdown
13 lines
1.4 KiB
Markdown
---
|
||
title: Gaussian Process
|
||
localeTitle: Processo Gaussiano
|
||
---
|
||
## Processo Gaussiano
|
||
|
||
Na teoria das probabilidades e estatística, um processo Gaussiano é um tipo particular de modelo estatístico onde as observações ocorrem em um domínio contínuo, por exemplo, tempo ou espaço. Em um processo gaussiano, cada ponto em algum espaço de entrada contínuo é associado a uma variável aleatória normalmente distribuída. Além disso, toda coleção finita dessas variáveis aleatórias tem uma distribuição normal multivariada, ou seja, cada combinação linear finita delas é normalmente distribuída. A distribuição de um processo gaussiano é a distribuição conjunta de todas as variáveis aleatórias (infinitas) e, como tal, é uma distribuição sobre funções com um domínio contínuo, por exemplo, tempo ou espaço.
|
||
|
||
Visto como um algoritmo de aprendizado de máquina, um processo Gaussiano usa aprendizagem preguiçosa e uma medida da similaridade entre os pontos (a função do kernel) para prever o valor de um ponto invisível dos dados de treinamento. A previsão não é apenas uma estimativa para esse ponto, mas também tem informações de incerteza - é uma distribuição gaussiana unidimensional (que é a distribuição marginal nesse ponto).
|
||
|
||
#### Mais Informações:
|
||
|
||
* [Processos Gaussianos para Dummies](http://katbailey.github.io/post/gaussian-processes-for-dummies/) |