补充知识点:1. 高斯分布; 2. 条件概率P的值:P = N(u, E) ??
posterior:后验分布
GP:连续域上,无限多个高维随机变量(高斯分布)所组成的随机过程。
:高维高斯分布
GPR可从两个视角观察
权重空间角度和函数空间角度,二者结果一样,但函数空间角度更加简单。
1. 权重空间角度
GPR = Bayesian LR + Kernal Trick
2. 权重空间到函数空间
因为f(x)的协方差函数cov是一个核函数,因此其可看成一个高斯过程
(1)f(x)是一个函数;
(2)f(x)是服从高斯分布的随机变量。
存在定理:对任意集合S中的单个元素都存在某个均值函数,以及对任意集合S中的2个元素都存在某个核函数(即协方差函数),则在S上一定存在一个高斯过程Z(t),其元素具有类似S形式的均值和方差。所以在给定集合S后,我们只需要给出一个一元的均值函数,一个二元的核函数表达式,就可以构造出一个高斯过程。
3. 函数空间角度