weixin_44179672的博客

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。