原文：matlab练习程序（高斯过程回归）
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： 设置好核函数后我们需要计算三组矩阵，分别是自观测矩阵K，观测预测矩阵Ks和预测矩阵Kss。 计算方法就是将观测自变 ...
2021-05-04 11:06 0 3901 推荐指数：
相关推荐
h=5;w=2;[x y]=meshgrid(-w:w,-h:h);sigma=5;img = (1/(2*pi*sigma^2))*exp(-(x.^2+y.^2)/(2*sigma^2 ...
通常我们使用的最小二乘都需要预先设定一个模型，然后通过最小二乘方法解出模型的系数。 而大多数情况是我们是不知道这个模型的，比如这篇博客中z=ax^2+by^2+cxy+dx+ey+f 这样的模型。 ...
参考资料： http://kingfengji.com/?p=44 说说高斯过程回归 http://www.cnblogs.com/tornadomeet/archive/2013/06/15/3137239.html 机器学习&数据挖掘笔记_11（高斯过程回归） 在网 ...
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 ...
计算步骤如下： 图片来自《视觉slam十四讲》6.2.2节。 下面使用书中的练习y=exp(a*x^2+b*x+c)+w这个模型验证一下，其中w为噪声，a、b、c为待解算系数。 代码如下： 迭代结果，其中散点为带噪声数据，红线为原始模型，绿线为解算模型 ...
DBSCAN全称Density-Based Spatial Clustering of Applications with Noise，是一种密度聚类算法。 和Kmeans相比，不需要事先知道数据的 ...