ความสับสนที่เกี่ยวข้องกับความแตกต่างของกระบวนการ kriging และ gaussian

ฉันมีเวลายากที่จะเข้าใจความแตกต่างระหว่างกระบวนการ kriging และ gaussian คืออะไร ฉันหมายถึงวิกิบอกว่าพวกเขาเหมือนกัน แต่สูตรการทำนายแตกต่างกันมาก

ฉันสับสนเล็กน้อยว่าทำไมพวกเขาถึงเรียกว่าคล้ายกัน ชี้แจง?

gaussian-process

— user34790
แหล่งที่มา

มีความแตกต่างเล็กน้อยระหว่างการส่งเสียงแบบธรรมดาและแบบเรียบง่ายบางทีอาจทำให้คุณสับสน การถดถอยของ GP ในแบบที่มันมักจะนำเสนอนั้นคล้ายคลึงกับการดึงแบบเรียบง่าย ในขั้นตอนการเกาส์วิกิพีเดียรายการมันบอกว่าบทความหมายอย่างชัดเจนกับ " ศูนย์กระจาย meaned "; นั่นเป็นข้อสันนิษฐานเดียวกันที่พบในคริกกิ้งธรรมดา

โดยทั่วไปแล้วการพูด kriging จะดำเนินการในพื้นที่ 2 หรือ 3 มิติ (เช่นความเข้มข้นของสารมลพิษตามพื้นที่ที่กำหนด) ในขณะที่ตัวอย่างของเล่น GPR ส่วนใหญ่เป็นหนึ่งมิติ (เช่นความเข้มข้นในบรรยากาศกับเวลา) $CO_2$

ในที่สุด kriging / GPR เป็นเทคนิคการแก้ไขและส่วนใหญ่ (ไม่ใช่ทั้งหมด) ของความแตกต่างระหว่างตัวแปรของมันวางอยู่บนสมมติฐานเกี่ยวกับแนวโน้มค่าเฉลี่ย (หรือ E [ ] ถ้าคุณชอบสัญกรณ์นี้ดีกว่า) $\mu(X)$ $X_t$

— usεr11852
แหล่งที่มา

นี่ไม่เป็นความจริงเลย บ่อยครั้งที่คุณเห็นในวรรณกรรม GP ที่ไม่มีการสูญเสียความเอนเอียงทั่วไปพวกเขาใช้สมมติฐานค่าเฉลี่ยเป็นศูนย์ แต่จากนั้นเพิ่มโครงสร้างของค่าเฉลี่ยลงในเคอร์เนล (ตัวอย่างเช่นการเพิ่มเคอร์เนลเชิงเส้น ฯลฯ ) จีพีเอสนั้นไม่ได้ใช้ในมิติเดียวอย่างที่เห็นในกระดาษทุกเรื่อง สถานการณ์จำลอง 1D ใช้เพื่อจุดประสงค์ในการหยั่งรู้ในตำราเบื้องต้นเท่านั้น ในความเป็นจริงในกรณีส่วนใหญ่ 1D คุณสามารถเข้ารหัส GP ลงในตัวกรองคาลมานซึ่งมีประสิทธิภาพมากขึ้นในการคำนวณ

— j__

@j__ สำหรับส่วนแรกของความคิดเห็นของคุณ: ฉันเห็นด้วยบางส่วน แต่น่าเสียดายที่ส่วนใหญ่เป็นปัญหาคำศัพท์ที่คนมักจะใช้ในทางที่ผิด ฉันนำเสนอความแตกต่างที่ยอมรับในหนังสือ สำหรับส่วนที่สอง: อนุญาตให้ฉันไม่เห็นด้วย ฉันได้เห็นการใช้งานหลายของกรณี GPR 1D (เช่น. อัตราการสร้างแบบจำลอง FX , ใน Phylogeneticsและในการแก้ปัญหา ODE - เหล่านี้เพียงแค่การทำค้นหา Google อย่างรวดเร็ว) ฉันขอขอบคุณความคิดเห็นของคุณที่โดยทั่วไปเป็นกรอบทางสถิติ (ต่อ)

— usεr11852

มาเป็นของตัวเองเมื่อนำไปใช้ในการตั้งค่าหลายตัวแปร แต่ไม่ได้ทำให้เสียชื่อเสียงแอพพลิเคชั่น 1D

— usεr11852

ฉันเห็นว่าคุณมาจากไหน ฉันเดาว่าฉันจะบอกว่ามันเป็นเรื่องธรรมดามากขึ้นที่จีพีจะทำหน้าที่ในปริภูมิมิติ N ทั่วไปซึ่งต่างจากการ จำกัด อยู่ที่ 2/3 ซึ่งเป็นกรณีของ Kriging กรณีพิเศษคือการตั้งค่า 1D นั่นอาจเป็นจุดศูนย์กลางที่ดีที่เราเห็นด้วย;)

— j__

ใช่กรณี 1-D มีแนวโน้มที่จะไม่ซ้ำกัน (เล่นสำนวนที่น่ากลัว)

— usεr11852

จีพีเอสเป็นที่รู้จักในฐานะ kriging ในภูมิศาสตร์ หากต้องการเรียนรู้เกี่ยวกับประวัติความเป็นมาของกระบวนการเสียนดูวิดีโอนี้http://youtu.be/4r463NLq0jU?t=26s

— Pushkar
แหล่งที่มา