作者:贾恩东
本文约2700字,建议阅读9分钟
本文将使用通俗易懂的语言引导读者入门高斯过程。
高斯过程(Gaussian Process)是机器学习中一个相当基础的概念,本文中笔者将使用通俗的语言让读者入门高斯过程。
高斯过程,顾名思义,包含了高斯分布(Gaussian Distribution)和随机过程(Stochastic Process)。简单来说,高斯过程是一个无限维的高斯分布。
无限维,对于未接触过随机过程的读者们来说可能还是难以理解,我们可以先从一维的高斯分布说起。
一维的高斯分布,即:对于一个随机变量 X 来说,如果其概率密度函数(probability density function, PDF)如下形式:
使用Normal 符号,简单记为:
那么这个一维变量X 就服从一维高斯分布,这个高斯分布里有两个参数,均值 和方差
。
我们在下图中,展示了10个关于 X的采样,图中纵轴表示采样的值,横轴我们全部放在1的位置,表示这是从同一个变量中采样得到的。
import numpy as npimport matplotlib.pyplot as plt
n= 1 # 随机变量的维度n
m= 10 # 做了m次采样
# 这里简单假设所有维度是独立的# 且每个维度上的均值为0,标准差为1# 所以协方差矩阵是一个单位