গাউসিয়া প্রক্রিয়া: ফাংশন আনুমানিক বৈশিষ্ট্য


16

আমি গাউসিয়া প্রক্রিয়া সম্পর্কে শিখছি এবং কেবল বিট এবং টুকরা শুনেছি। মন্তব্য এবং উত্তর সত্যই প্রশংসা করবে।

যে কোনও ডেটা সেট করার জন্য, এটি কি সত্য যে কোনও গাউসিয়ান প্রক্রিয়া ফাংশন আনুমানিকভাবে ডেটা পয়েন্টগুলিতে শূন্য বা নগন্য ফিটিং ত্রুটি দেয়? অন্য জায়গায় আমি শুনেছিলাম যে গাউসিয়ান প্রক্রিয়া বিশেষ করে শোরগোলের তথ্যের জন্য ভাল। এটি কোনও পর্যবেক্ষণ করা ডেটার জন্য লো ফিটিং ত্রুটির সাথে বিরোধে আছে বলে মনে হচ্ছে?

অতিরিক্তভাবে, ডেটা পয়েন্টগুলি থেকে দূরে আরও অনিশ্চয়তা বলে মনে হয় (বৃহত্তর সম্প্রদায়)। যদি তা হয়, তবে এটি কি স্থানীয় মডেলগুলির (আরবিএফ ইত্যাদি) মতো আচরণ করে?

অবশেষে, কোন সর্বজনীন আনুমানিক সম্পত্তি আছে?

উত্তর:


17

ধরুন তথ্য নমুনা । এছাড়াও ধরুন, আমাদের কাছে কোভরিয়েন্স ফাংশন কে ( এক্স 1 , এক্স 2 ) এবং শূন্য গড় মানে গুশিয়ান প্রক্রিয়ার জন্য নির্দিষ্ট specified নতুন পয়েন্ট এক্স এর বিতরণ গড় মি ( x ) = কে কে - 1 y এর সাথে গাউসিয়ান হবেডি=(এক্স,Y)={এক্সআমি,Yআমি=Y(এক্সআমি)}আমি=1এন(এক্স1,এক্স2)এক্স

মি(এক্স)=কে-1Y
এবং ভেরিয়েন্স ভেক্টর = { ( এক্স , এক্স 1 ) , ... , ( এক্স , এক্স এন ) } covariances একটি ভেক্টর হয়, ম্যাট্রিক্স কে = { ( এক্স আমি , এক্স ) } এন আমি
ভী(এক্স)=(এক্স,এক্স)-কে-1টি
={(এক্স,এক্স1),...,(এক্স,এক্সএন)} নমুনা covariances একটি ম্যাট্রিক্স। স্যাম্পলইন্টারপোলেশন প্রপার্টি হোল্ডেরক্ষেত্রে আমরা উত্তরোত্তর বিতরণের গড় মূল্য ব্যবহার করে ভবিষ্যদ্বাণী করি। সত্যিই, মি(এক্স)=কেকে-1ইয়=ওয়াই তবে, আমরা যদি নিয়মিতকরণ ব্যবহার করি অর্থাৎ সাদা শব্দের শব্দটি অন্তর্ভুক্ত করি তবে এটি ক্ষেত্রে নয়। সেক্ষেত্রে নমুনার জন্য কোভারিয়েন্স ম্যাট্রিক্সেরকে+σআই রয়েছে, তবে আসল ফাংশনের মান সহকারীর জন্য আমাদের কাছে কোভারিয়েন্স ম্যাট্রিক্সকে রয়েছে, এবং উত্তরোত্তর গড়টি মি(এক্স)=(কে)কে={(এক্সআমি,এক্স)}আমি,=1এন
মি(এক্স)=কেকে-1Y=Y
কে+ +σআমিকে তদ্ব্যতীত, নিয়মিতকরণ সমস্যাটিকে আরও গণ্যিকভাবে স্থিতিশীল করে তোলে।
মি(এক্স)=কে(কে+ +σআমি)-1YY

শব্দের বৈকল্পিক নির্বাচন করা আমরা ইন্টারপোলেশন ( σ = 0 ) চাইলে বা গোলমাল পর্যবেক্ষণগুলি হ্যান্ডেল করতে চাইলে আমরা নির্বাচন করতে পারি ( σ বড়)।σσ=0σ

হে(এন)এন

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.