補(bǔ)充知識點(diǎn)：1. 高斯分布； 2. 條件概率P的值：P = N(u, E) ？？

posterior：后驗分布

GP：連續(xù)域上，無限多個高維隨機(jī)變量（高斯分布）所組成的隨機(jī)過程。

：高維高斯分布?

GPR可從兩個視角觀察

? ? ? 權(quán)重空間角度和函數(shù)空間角度，二者結(jié)果一樣，但函數(shù)空間角度更加簡單。

1. 權(quán)重空間角度

? ? ?GPR = Bayesian LR + Kernal Trick

2. 權(quán)重空間到函數(shù)空間

?因為f(x)的協(xié)方差函數(shù)cov是一個核函數(shù)，因此其可看成一個高斯過程

（1）f(x)是一個函數(shù)；

（2）f(x)是服從高斯分布的隨機(jī)變量。

存在定理：對任意集合S中的單個元素都存在某個均值函數(shù)，以及對任意集合S中的2個元素都存在某個核函數(shù)（即協(xié)方差函數(shù)），則在S上一定存在一個高斯過程Z(t)，其元素具有類似S形式的均值和方差。所以在給定集合S后，我們只需要給出一個一元的均值函數(shù)，一個二元的核函數(shù)表達(dá)式，就可以構(gòu)造出一個高斯過程。

3. 函數(shù)空間角度

?

總結(jié)

以上是生活随笔為你收集整理的高斯过程回归（GPR）—— 数学推导的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。