گاوسی عمل

Gaussian Process فنکشنز کو ماڈل کرنے کا ایک لچکدار، غیر پیرا میٹرک طریقہ ہے جو بلٹ ان غیر یقینی اندازوں کے ساتھ آتا ہے۔ یہ قابل قدر ہے جب ڈیٹا کی کمی ہو اور یہ جاننا کہ ماڈل کتنا پراعتماد ہے اتنا ہی اہمیت رکھتا ہے جتنا کہ خود پیشین گوئی۔

ایک جی پی پورے فنکشنز پر ایک تقسیم رکھتا ہے، اس لیے پوائنٹس کا کوئی بھی محدود سیٹ مشترکہ طور پر گاوسی ہے۔

ایک جی پی پیشین گوئی کی تقسیم فراہم کرتا ہے، لیکن اس کی غیر یقینی صورتحال ماڈل کے مفروضوں اور دانا پر منحصر ہے۔

کرنل پوائنٹس کے درمیان ارتباط کی وضاحت کرتا ہے، خصوصیات کو کنٹرول کرتا ہے جیسے ہمواری اور ماڈل شدہ فنکشن کی لمبائی کا پیمانہ۔

عین بعد کے حصے کو n-by-n covariance میٹرکس کے الٹنے کی ضرورت ہے، جو پوائنٹس کی تعداد کے ساتھ کیوبلی پیمانے پر ہوتا ہے۔

معمولی امکانات کو زیادہ سے زیادہ کرنا ہائپر پیرامیٹر سیٹ کرنے کے لیے ماڈل کی پیچیدگی کے خلاف ڈیٹا کو فٹ کرنا بند کر دیتا ہے۔