机器算法验证 - 高斯混合与高斯过程 - 吾爱随笔录

据我所知，高斯混合和高斯过程都可以用于回归。我的问题是：什么更好，为什么？

答案可能包含理论见解、实践经验或对进一步资源的参考。

编辑

我想知道哪个更适合近似非线性回归问题其中对于所有考虑的。假设函数是连续的。为简单起见，我们可以承认。标准是一次遗漏的均方误差。

Y_{i} = g (x_{i}) + V_{i}

$Y_i=g(x_i)+V_i$

V_{i} \sim N (0, σ^{2})

$V_i\sim\mathcal{N}(0,\sigma^2)$

i

$i$

g (\cdot)

$g(\cdot)$

x_{i} \in R

$x_i\in\mathbb{R}$

第二个标准，也许更重要。由于我假设（GM 和 GP）都具有普遍的近似属性，我会很好奇哪个更简单（在时间和/或内存方面）以获得给定的错误水平。

最后，我假设新的数据点可以根据需要以恒定的计算复杂度生成。 $(x_i,y_i)$