python 高斯烟羽模型_GPR详细推导「终于解决」-高斯烟羽模型是什么

python 高斯烟羽模型_GPR(高斯过程回归)详细推导「终于解决」GPR(高斯过程回归)详细推导一、综述GPR来源于线性模型，有两种方式可以推导出GPR，一种是weightspaceview,另外一种是functionspaceview。两者考察方式假设不同，关注的对象不同，但是最后导出的结果是相同的。其中，functionview的推导方式更加简单，GPR最终的为了实现回归，即已知X,y,x*,求y*。最终的推导出的公式如下：X,y是已知的数据，我们…

GPR(高斯过程回归)详细推导

一、综述

GPR来源于线性模型，有两种方式可以推导出GPR，一种是weight space view,另外一种是function space view。两者考察方式假设不同，关注的对象不同，但是最后导出的结果是相同的。其中，function view的推导方式更加简单，GPR最终的为了实现回归，即已知X,y,x*,求y*。最终的推导出的公式如下：

X,y是已知的数据，我们要求未知数据x*处的函数值，K是核函数。我们接下来会从weight space view和function space view两种方式推导出GPR。最后一部分是GPR的算法流程图。

参考资料：

1.《Gaussian Processes for Machine Learning》

2. https://www.bilibili.com/video/BV1aE411o7qd?p=114

3. https://zhuanlan.zhihu.com/p/75589452 (python的代码演示，包含可视化)

4. python的GPy库和MATLAB中的ooDACE里面集成有GPR

二、weight space view(将w看作变量)

我们考虑下面一个问题：