Tôi có sự nhầm lẫn này liên quan đến lợi ích của các quá trình Gaussian. Ý tôi là so sánh nó với hồi quy tuyến tính đơn giản, trong đó chúng ta đã định nghĩa rằng hàm tuyến tính mô hình hóa dữ liệu.
Tuy nhiên, trong các quy trình Gaussian, chúng tôi xác định phân phối các hàm có nghĩa là chúng tôi không xác định cụ thể rằng hàm phải là tuyến tính. Chúng ta có thể định nghĩa một ưu tiên so với chức năng là Gaussian trước đó xác định các tính năng như chức năng sẽ trơn tru như thế nào và tất cả.
Vì vậy, chúng ta không cần phải xác định rõ ràng mô hình nên là gì. Tuy nhiên, tôi có câu hỏi. Chúng tôi có khả năng cận biên và sử dụng nó, chúng tôi có thể điều chỉnh các tham số hàm hiệp phương sai của gaussian trước. Vì vậy, điều này tương tự với việc xác định loại hàm mà nó không phải là nó.
Nó đi sâu vào cùng một điều xác định các tham số mặc dù trong GP chúng là các siêu đường kính. Ví dụ trong bài báo này . Họ đã định nghĩa rằng hàm trung bình của GP giống như
Vì vậy, chắc chắn mô hình / chức năng được xác định không phải là nó. Vì vậy, sự khác biệt trong việc xác định hàm là tuyến tính như trong LR.
Tôi chỉ không nhận được lợi ích của việc sử dụng GP