高斯过程回归_高斯过程回归的理解(从权重的角度分析)

最新推荐文章于 2024-03-18 07:36:17 发布

原创

最新推荐文章于 2024-03-18 07:36:17 发布 · 835 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#高斯过程回归

本文介绍了高斯过程回归的概念，强调了数据服从高斯分布的假设，并通过贝叶斯法则和权重分析逐步建立预测模型。作者分享了线性回归中的权重理解，并预告将从函数角度进一步探讨。

最近在学习高斯过程回归，并给大家推荐这本书

Gaussian Processes for Machine Learning

Carl Edward Rasmussen and Christopher K. I. Williams

链接: https://pan.baidu.com/s/102V5_U99pKyoWciEjIx87w 提取码: xwbj

给大家分享一下我对高斯过程回归的理解：

高斯过程回归的思想是，从无数的函数中找到任何符合该组测试数据的函数集（这可以用高斯过程进行描述），根据对一组数据集的事先的了解（也就是先验信息），不断地缩小所找函数集的范围，最终通过贝叶斯法则的方法与高斯分布的性质算出所找到函数集的分布，根据求得函数集的分布（可以理解为建立好的模型）来对后续的数据进行预测。

总体来说高斯过程回归的重点主要包括：

1首先认为所要预测的数据是服从高斯分布的（对于大多数问题，假设服从高斯，就能获得不错的效果）；

2构造一个函数来拟合所得到得数据集，一般可以从2个视角理解所构造的函数，即权重视角（

）要区别开（x,y）为观测量，而

为真实值，为观测中存在的噪声，噪声由测量过成误差所造成）、函数视角（即高斯过程

）；

3 使用贝叶斯法则，根据现有的数