网上讲高斯过程回归的文章很少，且往往从高斯过程讲起，我比较不以为然：高斯过程回归（GPR）， 终究是个离散的事情，用连续的高斯过程( GP) 来阐述，简直是杀鸡用牛刀。所以我们这次直接从离散的问题搞起，然后把高斯过程逆推出来。 　　这篇博客有两个彩蛋，一个是揭示了高斯过程回归和Ridge回归 ...

高斯过程是一种非参数模型估计方法。不像最小二乘，需要知道模型的参数，如：y=ax+b，我们就需要知道a和b来对模型进行估计。 高斯过程要设置一个核函数，来给不同观测值确定关系。这里我们需要设置核函数的超参数，比如下面的alpha和beta。 下面是几种常见的计算不同观测关系的核函数： 设置好 ...

在概率论和数理统计中，高斯过程（英语：Gaussian process）是观测值出现在一个连续域（例如时间或空间）的统计模型。是随机过程（stochastic process）的一种，是一系列服从正态分布的随机变量（random variable）在一指数集（index set）内的组合。 高斯 ...

　　前言： 　　高斯过程回归(GPR)和贝叶斯线性回归类似，区别在于高斯过程回归中用核函数代替了贝叶斯线性回归中的基函数（其实也是核函数，线性核）。采用核函数可以定义高斯过程回归是一个比贝叶斯线性回归更通用的模型，应用非常广泛。本文参考的资料为视频http ...

高斯过程定义 　　定义：若对于任意时刻ti(i=1,2,...,n)，随机过程的任意n维随机变量Xi=X(ti)(i=1,2,...,n)服从高斯分布，则称X(t)为高斯随机过程或正太过程。 高斯过程的特性 高斯随机过程完全由它的均值和协方差函数决定。 高斯随机过程 ...

=cp-400000000398149&utm_medium=share 高斯过程（gauss ...

随机过程基本概念： 随机过程是一个比随机变量更广泛的概念。在概率论中，通常研究一个或多个这样有限个数的随机变量，即使在大数定律和中心极限定理中考虑了无穷多个随机变量，但也要假设随机变量之间互相独立。而随机过程主要是研究无穷多个互相不独立的、有一定相关关系的随机变量。随机过程就是许多随机变量的集合 ...

主讲人 网络上的尼采 （新浪微博:@Nietzsche_复杂网络机器学习） 网络上的尼采(813394698) 9:16:05 今天的主要内容：Kernel的基本知识，高斯过程。边思考边打字，有点慢，各位稍安勿躁。 机器学习里面对待训练数据有的是训练完得到参数后就可以抛弃了，比如神 ...