复杂数据背景下的高斯过程回归模型

摘要

高斯过程回归模型是一种基于贝叶斯推断的非参数模型,它以概率论为基础,通过在模型中明确地引入随机性,将研究者的先验知识与从观察数据中学习到的知识进行有机融合,并通过贝叶斯推断来减小不确定性。高斯过程回归模型所具有的天然的可解释性、灵活性以及稳健性,决定了其在统计学习领域发挥了重要且不可替代的作用,被广泛应用于各个领域。近年来,随着大数据时代的到来,现实数据不断趋于复杂化、非结构化以及实时化,催生了该模型在可扩展性以及模型结构更新等方面的快速发展。本文对近十年来高斯过程回归模型在大数据领域的拓展算法以及模型的改进方法进行分析总结,概述了各个方法的优缺点,并对高斯过程回归模型的未来研究方向进行展望。