CE Rasmussen ve CKI Williams'ın Makine Öğrenimi için Gauss Süreci ders kitabı okuyorum ve işlevler üzerindeki dağılımın ne anlama geldiğini anlamakta biraz sorun yaşıyorum . Ders kitabında, bir fonksiyonun çok uzun bir vektör olarak hayal edilmesi gerektiği bir örnek verilmiştir (aslında, sonsuza kadar uzun olmalı?). Bu yüzden fonksiyonlar üzerinde bir dağılımın, bu vektör değerlerinin "üstünde" çizilmiş bir olasılık dağılımı olduğunu hayal ediyorum. O zaman bir fonksiyonun bu belirli değeri alması ihtimali olabilir mi? Yoksa bir fonksiyonun belirli bir aralıktaki bir değeri alması ihtimali olabilir mi? Yoksa fonksiyonlar arasındaki dağılım bütün bir fonksiyona atanmış bir olasılık mıdır?
Ders kitabından alıntılar:
Bölüm 1: Giriş, Sayfa 2
Gauss süreci Gauss olasılık dağılımının genelleştirilmesidir. Bir olasılık dağılımı, skaler veya vektörler (çok değişkenli dağılımlar için) olan rasgele değişkenleri açıklarken, stokastik bir süreç fonksiyonların özelliklerini yönetir. Matematiksel karmaşıklığı bir kenara bırakarak, bir işlevi çok uzun bir vektör olarak gevşek bir şekilde düşünebilirsiniz, vektördeki her giriş belirli bir x girişindeki f (x) fonksiyon değerini belirtir. Görünen o ki, bu fikir biraz saf olsa da, ihtiyacımız olan şey şaşırtıcı derecede yakın. Gerçekten de, bu sonsuz boyutlu nesnelerle hesaplamalı olarak nasıl başa çıkacağımız sorusu, akla gelebilecek en hoş çözünürlüğe sahiptir: yalnızca sınırlı sayıda noktada fonksiyonun özelliklerini sorarsanız,
Bölüm 2: Regresyon, Sayfa 7
Gauss süreç (GP) regresyon modellerini yorumlamanın birkaç yolu vardır. Bir Gauss süreci, fonksiyonlar üzerinde bir dağılım ve doğrudan fonksiyonlar alanında, fonksiyon-uzay görünümünde gerçekleşen çıkarımları tanımlamak olarak düşünülebilir.
İlk sorudan:
Bu kavramsal resmi kendim için görselleştirmeye çalıştım. Kendim için yaptığım böyle bir açıklamanın doğru olup olmadığından emin değilim.
Güncellemeden sonra:
Gijs'in cevabından sonra resmi kavramsal olarak bunun gibi bir şey olacak şekilde güncelledim: