高斯过程回归

• 类别: 深度学习
• 标签: 深度学习 回归
• 开发语言: python
• 运行平台/操作系统: Windows 7以上
• 编译工具及环境: PyCharm、Anaconda
• GitHub下载地址: https://gitee.com/three-poles/DeepLearning

方法描述:

高斯过程回归（Gaussian Process Regression, GPR）是使用高斯过程（Gaussian Process, GP）先验对数据进行回归分析的非参数模型（non-parameteric model）。GPR的模型假设包括回归残差和高斯过程先验两部分，其求解过程的本质是贝叶斯推断。若不限制高斯过程先验的形式，GPR在理论上是任意目标函数的通用近似（universal approximator）。此外，GPR可提供预测结果的后验，且在回归残差为独立同分布的正态分布时，该后验具有解析形式。因此，GPR是一个具有泛用性和可解析性的概率模型。

• 安装方式：

  安装python
  
  运行方式：

  在PyCharm中打开脚本文件即可运行
  
  输入变量：

  时间序列数据
  
  输出变量：

  预测时间序列数据
  
  二维码：