學習筆記，僅供參考，有錯必究‘

---

文章目錄

• • 高斯過程
  • • 高斯過程回歸(GPR)
    • GPR的例子
    • • GPR的噪聲估計
    • 高斯過程分類(GPC)
    • GPC例子
    • • GPC的概率預測

---

高斯過程

高斯過程(GP)是一種通用的監督學習方法，旨在解決回歸和概率分類問題。

高斯過程的優點是：

• 預測對觀測值進行內插(至少對常規核而言)；
• 預測是概率性的(高斯)，因此可以計算經驗置信區間，并根據這些區間決定是否應該在某些感興趣的區域重新調整(在線擬合、自適應擬合)預測；
• 多用途：可以指定不同的核數。該方法提供了通用的內核，但也可以使用自定義內核。

高斯過程的缺點包括：

• 高斯過程不稀疏，即使用整個樣本/特征信息進行預測；
• 它們在高維空間中會失去效率，即當特征數量超過幾十個時。

高斯過程回歸(GPR)

總結

以上是生活随笔為你收集整理的sklearn自学指南(part53)--高斯过程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。