贝叶斯回归和分类的高斯过程模型的蒙特卡罗实现
摘要：高斯过程是定义一个或多个自变量函数的先验分布的一种自然方式。在一个简单的非参数回归问题中，当这样的函数给出一个观测响应的高斯分布的均值时，可以很容易地使用可行于大约一千个案例的矩阵计算来实现高斯过程模型。可以使用马尔可夫链方法对定义了高斯过程的协方差函数的超参数进行采样。对于噪声服从t分布的回归模型，以及用于分类应用的逻辑或概率模型，也可以通过对观测值的潜在值进行采样来实现。现在有软件可用于实现这些方法，使用具有分层参数化的协方差函数。以这种方式定义的模型可以发现数据的高级特性，例如哪些输入与预测响应相关。
作者：Radford M. Neal (Dept. of Statistics, University of Toronto)
论文ID：physics/9701026
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2008-02-03