高斯过程是一种强大的回归和分类算法。它最大的优势是能够对自身的不确定性做出可靠的估计。本文目标是让您直观地了解什么是高斯过程。
内容:
- 机器学习
- 如何应对不确定性
- 贝叶斯推理
- 高斯过程
什么是机器学习?
机器学习使用我们拥有的数据(称为训练数据)来学习我们可以用来预测我们尚未拥有的数据的函数。最简单的例子是线性回归,在这里我们学习一条线的斜率和截距,这样我们就可以从它们的水平位置预测点的垂直位置。如下所示,训练数据为蓝点,学习函数为红线。
![99266538f993935cb89557008233fe70.png](https://i-blog.csdnimg.cn/blog_migrate/0d64f1cfff36f140d993ae75c39fb3ce.jpeg)
机器学习是线性回归的延伸(在某些方面)。首先,现代的机器学习(ML)处理的数据复杂得多,而不是学习一个函数来计算一个与线性回归类似的另一个数字,我们可以处理不同的输入和输出,例如:
- 房子的价格(输出)取决于它的位置、房间数量等(输入)
- 图像的内容(输出)基于图像中像素的强度和颜色(输入)
- 最佳移动(输出)基于围棋棋子的状态(输入)
- 高分辨率图像(输出)基于低分辨率图像(输入)
![e6a11709e598fb3a76f13777c1a7c7b4.png](https://i-blog.csdnimg.cn/blog_migrate/8321dd97a62e8839bfe80f3a2ddf7791.jpeg)
其次