机器学习中的随机过程（高斯过程）

0.概述

        在概率论与数理统计中，随机过程是一个统计过程，它可以理解成一组随机变量的随时间变化的规律。简单说就是，有很多数据点，每个点都是一个随机变量，多个随机变量点有次序的在一起就形成了随机过程。可以认为随机过程是一个关于时间 （连续区间可以是时间也可以是空间之类的）分布。每个  都有个对应的随机变量。

        当   是离散值的时候，它就是一组离散随机变量的序列，比如马尔可夫链。那么高斯过程就可以理解成每个 时刻的值都是来自于一个高斯分布。高斯过程很重要，原因是高斯分布已经被研究的很成熟了，如果我们把待研究问题用高斯过程建模，那么很多相关知识我们就已经知道了。高斯过程的应用有很多，可以作为贝叶斯推断的先验，也可以用来做回归和分类。

1. 高斯过程

1.1直观理解

        高斯过程（Gaussian Process