Gaussian Process

释义 Definition

高斯过程：一种用于描述无限维随机函数的概率模型；它把“函数上任意有限个点的取值”视为服从多元高斯分布。在机器学习中常用于贝叶斯回归、不确定性估计与非参数建模。（在其他语境中也可泛指“与高斯分布相关的过程”，但最常见的是统计/机器学习里的这一定义。）

发音 Pronunciation (IPA)

/ˈɡaʊsiən ˈprɑːsɛs/

例句 Examples

A Gaussian process can model smooth curves from noisy data.
高斯过程可以从含噪数据中建模出平滑曲线。

By choosing an appropriate kernel, a Gaussian process expresses prior beliefs about the function and produces a posterior distribution over predictions.
通过选择合适的核函数，高斯过程能够表达对函数的先验假设，并给出预测的后验分布。

词源 Etymology

Gaussian 来自德国数学家 Carl Friedrich Gauss（高斯） 的名字，表示“与高斯（正态）分布相关的”。process 源自拉丁语 processus（“进程、过程、推进”）。合起来指“以高斯分布为核心刻画的随机过程/函数分布”。

相关词 Related Words

• Bayesian
• Covariance
• Gaussian
• Kernel
• Nonparametric
• Posterior
• Prior
• Regression
• Stochastic Process

文学/著作中的出现 Literary / Notable Works

• Gaussian Processes for Machine Learning — Carl E. Rasmussen & Christopher K. I. Williams
• Pattern Recognition and Machine Learning — Christopher M. Bishop
• Machine Learning: A Probabilistic Perspective — Kevin P. Murphy
• Bayesian Learning for Neural Networks（博士论文）— Radford M. Neal