Gauss süreçlerinin faydalarıyla ilgili bu karışıklığa sahibim. Yani, doğrusal fonksiyonun verileri modellediğini tanımladığımız basit doğrusal regresyon ile karşılaştırmak.
Bununla birlikte, Gaussian süreçlerde fonksiyonların dağılımını tanımlarız, fonksiyonun doğrusal olması gerektiğini özel olarak tanımlamıyoruz demektir. Fonksiyonun ne kadar pürüzsüz olması gerektiği ve hepsi gibi özellikleri tanımlayan, Gaussian olan fonksiyonun üzerinde bir öncül tanımlayabiliriz.
Dolayısıyla, modelin ne olması gerektiğini açıkça tanımlamak zorunda değiliz. Ancak sorularım var. Marjinal olasılıkımız var ve bunu kullanarak daha önce gaussianın kovaryans fonksiyon parametrelerini ayarlayabiliriz. Yani bu, olması gereken işlev türünü tanımlamaya benzer.
GP'de hiperparametreler olmalarına rağmen parametreleri tanımlayan aynı şeyle kaynar. Örneğin bu makalede . GP'nin ortalama işlevinin
Yani kesinlikle model / fonksiyon tanımlanmış değil mi? Peki işlevi LR'deki gibi doğrusal olacak şekilde tanımlamanın farkı nedir?
GP kullanmanın ne faydası olduğunu anlamadım