ai_百面机器学习系列笔记_高斯过程

模型评估–>超参数调优–>贝叶斯优化算法–>高斯过程
A 高斯过程
https://blog.csdn.net/paulfeng20171114/article/details/80276061
1、修正贝塞尔函数
https://blog.csdn.net/lanchunhui/article/details/54617827
a 贝塞尔函数：常微分方程（一般称为贝塞尔方程）的标准解函数 ：

b 柯西分布
1 是一种理想的连续型高斯分布 定义域是R 期望和方差是没有定义的
2 两个独立正太分布的变量的比值构成的新变量符合柯西分布
2、很有意思的分布 二维高斯分布—“陀螺分布”
a 密度函数

b 对称正定阵简单复习
https://blog.csdn.net/weixin_34343689/article/details/94558018
1 对称矩阵特征值为实数
2 可以选取一组标准特征向量
3 正定矩阵 所有的特征值都是正的
4 非奇异矩阵就是可逆矩阵 属于方针的范畴
3、 多元高斯函数解析

对比一维高斯密度函数

协方差矩阵左右乘样本与均值的差的向量，多元高斯用于异常检测
B 贝叶斯优化算法
ttps://www.cnblogs.com/arsggbo/p/9866764.html
1、对于一直样本服从高斯分布的问题可以使用