Nhầm lẫn liên quan đến sự khác biệt của các quá trình kriging và gaussian

Tôi đang có một thời gian khó hiểu sự khác biệt giữa các quá trình phá hoại và gaussian là gì. Ý tôi là wiki nói rằng chúng giống nhau nhưng công thức dự đoán của chúng rất khác nhau.

Tôi hơi bối rối tại sao chúng được gọi là tương tự. Làm rõ?

gaussian-process

— người dùng34790
nguồn

Có một số khác biệt tinh tế giữa việc giết người thông thường và đơn giản, có thể điều đó làm bạn bối rối. Hồi quy GP theo cách nó thường được trình bày tương tự như việc giết người đơn giản. Trong mục Wikipedia của quy trình Gaussian, nó nói rằng bài báo đề cập rõ ràng đến " phân phối không có nghĩa "; đó là cùng một giả định được tìm thấy trong việc khai thác đơn giản.

Ngoài ra, nói chung, việc giết người thường được thực hiện trong không gian 2 hoặc 3 chiều, (ví dụ: nồng độ chất ô nhiễm dọc theo một số khu vực nhất định) trong khi hầu hết các ví dụ về đồ chơi GPR là một chiều (ví dụ: nồng độ trong khí quyển theo thời gian). $CO_2$

Cuối cùng, kuceing / GPR là một kỹ thuật nội suy và hầu hết (không phải tất cả) sự khác biệt giữa các biến thể của nó dựa trên giả định về xu hướng trung bình (hoặc E [ ] nếu bạn thích ký hiệu này tốt hơn). $\mu(X)$ $X_t$

— usεr11852
nguồn

Điều này không thực sự đúng. Thông thường bạn thấy trong tài liệu GP rằng không mất tính tổng quát, họ sử dụng các giả định trung bình bằng 0 nhưng sau đó thêm cấu trúc của giá trị trung bình vào nhân (ví dụ: có thêm nhân tuyến tính, v.v.). GP chắc chắn không được sử dụng chỉ trong một chiều như có thể thấy trong hầu hết các bài viết về chủ đề này. Kịch bản 1D chỉ được sử dụng cho mục đích trực giác trong các văn bản giới thiệu. Trong thực tế, trong hầu hết các trường hợp 1D, bạn có thể mã hóa GP vào bộ lọc Kalman hiệu quả hơn về mặt tính toán.

— j__ 9/11/2015

@j__ Đối với phần đầu tiên của bình luận của bạn: Tôi đồng ý một phần nhưng thật không may, vấn đề chủ yếu là mọi người có xu hướng lạm dụng nó. Tôi trình bày sự phân biệt kinh điển mà tôi đã thấy trong sách. Đối với phần thứ hai: Cho phép tôi không đồng ý. Tôi đã thấy nhiều ứng dụng của các trường hợp GPR 1D (ví dụ: trong mô hình tỷ lệ FX , trong Phylogenetic và trong các giải pháp ODE - những điều này chỉ thực hiện tìm kiếm Google nhanh chóng). Tôi đánh giá cao nhận xét của bạn rằng nói chung là một khung thống kê (tiếp)

— usεr11852

trở thành chính nó khi được áp dụng trong các cài đặt đa biến nhưng điều đó không làm mất uy tín của các ứng dụng 1D.

— usεr11852

tôi cũng thấy bạn đến từ đâu Tôi đoán tôi sẽ nói rằng các GP hoạt động trong không gian N chung chung thay vì bị giới hạn ở 2/3, đó là trường hợp của Kriging. Một trường hợp đặc biệt là cài đặt 1D. Đó có thể là một nền tảng tốt giữa chúng ta có thể đồng ý;)

— j__

Có, trường hợp 1-D có xu hướng là duy nhất . (

— Chơi

Các bác sĩ gia đình được biết đến như là một kẻ phá hoại trong địa lý học. Để tìm hiểu về lịch sử của Quy trình Gaussian hãy xem video này http://youtu.be/4r463NLq0jU?t=26s

— đẩy
nguồn