ฉันมีความสับสนเกี่ยวกับประโยชน์ของกระบวนการแบบเกาส์เซียน ฉันหมายถึงการเปรียบเทียบกับการถดถอยเชิงเส้นอย่างง่ายซึ่งเราได้กำหนดไว้ว่าฟังก์ชั่นเชิงเส้นเป็นแบบจำลองข้อมูล
อย่างไรก็ตามในกระบวนการแบบเกาส์เซียนเรากำหนดการกระจายตัวของฟังก์ชั่นหมายความว่าเราไม่ได้กำหนดว่าฟังก์ชั่นควรเป็นแบบเส้นตรง เราสามารถกำหนดฟังก์ชั่นก่อนหน้าซึ่งเป็น Gaussian ก่อนหน้าซึ่งกำหนดคุณสมบัติเช่นฟังก์ชันที่ควรจะราบรื่นและทั้งหมด
ดังนั้นเราไม่จำเป็นต้องกำหนดรูปแบบที่ชัดเจน อย่างไรก็ตามฉันมีคำถาม เรามีความเป็นไปได้เล็กน้อยและใช้มันเราสามารถปรับพารามิเตอร์ฟังก์ชันความแปรปรวนร่วมของ Gaussian ก่อน ดังนั้นนี่คล้ายกับการกำหนดประเภทของฟังก์ชั่นที่มันควรจะไม่ใช่
มันเดือดลงไปในสิ่งเดียวกันกับการกำหนดพารามิเตอร์แม้ว่าใน GP จะเป็นพารามิเตอร์ สำหรับเช่นในบทความนี้ พวกเขาได้นิยามว่าฟังก์ชันค่าเฉลี่ยของ GP นั้นเป็นอย่างไร
ดังนั้นแน่นอนว่ารูปแบบ / ฟังก์ชั่นนั้นไม่ได้ถูกกำหนดไว้ อะไรคือความแตกต่างในการนิยามฟังก์ชั่นให้เป็นแบบเชิงเส้นเหมือนใน LR
ฉันไม่ได้รับประโยชน์อะไรจากการใช้ GP