高斯过程回归_高斯过程的直观指南

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。

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)

其次࿰