详解高斯过程回归和核贝叶斯线性回归

详解高斯过程回归

  • 高斯过程回归
  • 核贝叶斯线性回归
  • 函数空间的观点

高斯过程回归

将一维高斯分布推广到多变量中就得到了高斯网络,将多变量推广到无限维,就得到了高斯过程,高斯过程是定义在连续域(时间空间)上的无限多个高维随机变量所组成的随机过程。

在时间轴上的任意一个点都满足高斯分布吗,将这些点的集合叫做高斯过程的一个样本。

对于时间轴上的序列 ξ t \xi_t ξ

你可能感兴趣的:(机器学习,数据分析,统计学,机器学习,人工智能,数据分析,算法)