Ein stochastischer Prozess, so definiert, dass jede endliche Auswahl seiner Zufallsvariablen eine gemeinsame multivariate Normalverteilung hat, vollständig spezifiziert durch eine Mittelwertfunktion und eine positiv definite Kovarianz- (Kernel-)Funktion.

Prinzip

Vollständige Spezifikation durch erste und zweite Momente: die Mittelwertfunktion legt die zentrale Tendenz fest, die Kovarianzfunktion kodiert Ähnlichkeit und Glattheit und bestimmt alle endlichdimensionalen Ränder.

Demonstration

Verwende einen gaußschen Prozess mit Nullmittelwert und quadratischem Exponential-Kovarianz als Prior über Funktionen in der Regression; Bedingung auf beobachtete Eingabe–Ausgabe-Paare liefert prädiktive Mittelwerte und Varianzen an neuen Eingaben.

Fehlanwendung

Annahme der Gaußigkeit der Residuen oder der Stationarität des Kernels ohne Überprüfung; oder Verwendung eines ungeeigneten Kernels, der die Funktionsklasse nicht abbilden kann und systematische Verzerrung erzeugt.

Konsequenz

Bietet nichtparametrische, probabilistische Funktionsschätzung mit geschlossenen prädiktiven Verteilungen (Mittelwert und Varianz) unter gaußscher Likelihood und linearen Operationen.

Umkehrung

Ein deterministisches parametrisches Modell (z. B. ein lineares Modell mit festen Basisfunktionen) liefert Punktvorhersagen ohne die inhärent quantifizierte Funktionsunsicherheit, die ein gaußscher Prozess bereitstellt.

Abgrenzung

Erfordert einen positiv definiten Kovarianzkernel und nimmt für praktische Inferenz oft gaußschen oder konjugierten Rausch an; umfasst keine nicht-gausschen Prozesse mit beliebigen endlichdimensionalen Gesetzen.

Semantische Spannung

Spannung besteht zwischen gaußschen Prozessen als flexiblen bayesschen nichtparametrischen Priors und maschinellen Lernmodellen wie tiefen neuronalen Netzen, die hohe Kapazität, aber typischerweise keine probabilistischen Funktionsapproximationen liefern.

Synthese

Ein gaußscher Prozess ist eine unendlich-dimensionale gaußsche Verteilung über Funktionen, vollständig charakterisiert durch Mittelwert und Kovarianzkernel, verwendet zur probabilistischen Vorhersage und Quantifizierung von Funktionsunsicherheit.