- 博客(0)
- 资源 (1)
空空如也
GPtutorial
给定自变量x的某些值的因变量的一些观察噪声,我们对新值x*的因变量最佳估计是多少?
如果我们希望潜在/基础/基本函数f(x)是线性的,并且可以对输入数据做出一些假设,我们可以使用最小二乘法来拟合直线(线性回归)。此外,如果我们怀疑f(x)可能是二次的,三次的,甚至是非多项式的,我们可以使用模型选择的原则来决定各种可能性。
高斯过程回归(GPR)是一种比这更精确的方法。这不是声明f(x),让f(x)和某些特定模型(例如f(x)= mx+c)联系起来。但是,严格地说,高斯过程可以通过让数据自己更清楚地“表示”f(x)。GPR仍然是监督学习的一种方式,但是训练数据以更微妙的方式利用。
2018-12-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人