| この 記事は 英語版の対応するページを翻訳することにより充実させることができます。(2024年5月)翻訳前に重要な指示を読むには右にある[表示]をクリックしてください。
- 英語版記事を日本語へ機械翻訳したバージョン(Google翻訳)。
- 万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。
- 信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。
- 履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。
- 翻訳後、
{{翻訳告知|en|Gaussian process|…}} をノートに追加することもできます。
- Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があります。
|
ガウス過程(ガウス-かてい、英: Gaussian process)は連続時間確率過程の一種である。この概念はカール・フリードリッヒ・ガウスの名にちなんでいるが、それは単に正規分布がガウス分布とも呼ばれるためであり、しかも正規分布はガウスが最初に研究したというわけでもない。いくつかの文献(たとえば下記のSimonの著書)では、確率変数 Xt の期待値が 0 であることを仮定する場合もある。
確率過程 {Xt}t∈T は、任意に(有限個の)Xt1, ..., Xtk を選んで作った線型結合(あるいはより一般に、{Xt}t∈T を標本関数 Xt 全体からなる連続濃度の函数空間と見たときの、任意の線型汎関数)が正規分布に従うとき、ガウス過程という。い換えると、添字集合 T から有限個の添字 t1, ..., tk を選び出したとき、常に
が多次元正規分布に従うという性質を持つ確率過程{Xt}t∈T はガウス過程である。また、確率分布の特性関数を用いれば次のようにも述べられる。任意の有限個の添字 t1, ..., tk に対して、
を満たすような正数 σlj および μj が存在する。またこのとき、μj は Xtj の期待値、σlj は Xtl と Xtj の共分散となることが確認できる。
ウィーナー過程は、おそらく最も広く研究されているガウス過程の一種である。ウィーナー過程は定常過程ではないが、定常増分を持つ。
オルンシュタイン=ウーレンベック過程は、定常なガウス過程である。
ブラウン橋は増分が独立ではないガウス過程である。
非整数ブラウン運動は、ウィーナー過程において定常増分が従う正規分布を
へと非整数次数(2H)にまで拡張したガウス過程である。
ガウス過程は機械学習における教師あり学習の回帰分析に応用される。平均値関数と共分散関数を既知とし与えられたデータがそのガウス過程に従っていると仮定すると未知の観測値の平均と分散がわかる。
- R. M. Dudley, Real Analysis and Probability, Wadsworth and Brooks/Cole, 1989.
- B. Simon, Functional Integration and Quantum Physics, Academic Press, 1979.
- C. E. Rasmussen, C. K. I. Williams, Gaussian Processes for Machine Learning, MIT Press, 2006. ISBN 0-262-18253-X
- M.L. Stein, Interpolation of Spatial Data: Some Theory for Kriging, Springer, 1999