Directorio de artículos
Lista de efectos
Resumen del artículo
Regresión del proceso gaussiano | Matlab implementa la predicción de salida única de múltiples entradas de regresión del proceso gaussiano (regresión del proceso gaussiano)
contenido de la investigación
La regresión del proceso gaussiano es un método de regresión no paramétrica basado en la probabilidad que se utiliza para modelar la relación potencial entre las variables de entrada y las variables objetivo. Se basa en el concepto de proceso gaussiano y se puede utilizar para predecir valores objetivo para nuevos puntos de datos no observados y proporcionar una estimación de la incertidumbre de la predicción.
Los siguientes son los pasos básicos del algoritmo de regresión del proceso gaussiano:
1. Definir el proceso gaussiano: supongamos que tenemos un conjunto de puntos de muestra de entrada X y el valor objetivo correspondiente y. Un proceso gaussiano es un conjunto de infinitas variables aleatorias, donde cada variable aleatoria representa el valor objetivo correspondiente al punto de muestra de entrada. Los procesos gaussianos se pueden describir completamente mediante funciones de media y covarianza.
2. Seleccione la función media: en la regresión del proceso gaussiano, la selección de la función media común es una función constante, es decir, el valor predicho de cada punto de muestra es uno.