高斯分布
存在一个变量服从高斯分布,即 X ∼ G ( μ , σ 2 ) X \sim G(\mu, \sigma^2) X∼G(μ,σ2)。
联合高斯分布
存在 n 个变量 X = [ X 1 , X 2 , ⋯ , X n ] X = [X_1, X_2, \cdots, X_n] X=[X1,X2,⋯,Xn],每个变量都服从高斯分布。则 X ∼ G ( M , Σ n × n ) X \sim G( \Mu, \Sigma_{n\times n}) X∼G(M,Σn×n)。其中 M \Mu M是每一个变量的均值, Σ \Sigma Σ是n个变量的协方差矩阵。
高斯过程
依次类推,如果存在一个变量序列 X X X,以时间序列为例,其中包含了一段时间内无穷个时刻的变量 X = [ X 1 , X 2 , ⋯ , X t , ⋯ ] X = [X_1, X_2, \cdots, X_t, \cdots] X=[X1,X2,⋯,Xt,⋯],他们都满足高斯分布。则称之为高斯过程。即该变量序列 X ∼ G ( μ , σ ) X \sim G(\mu, \sigma) X∼G(μ,σ),不过此时 μ , σ \mu, \sigma μ,σ不再是单个值或者一个向量,而是一个函数。 μ ( t ) \mu(t) μ(t)表示时刻t对应的变量服从的高斯分布的均值,被称为均值函数, σ ( s , t ) \sigma(s,t) σ(s,t)表示s, t两个时刻对应的变量的协方差,此时 σ \sigma σ就被定义为核函数。