Путаница, связанная с различием процессов кригинга и гаусса

Мне трудно понять, в чем разница между кригингом и гауссовскими процессами. Я имею в виду, что вики говорят, что они одинаковы, но их формулы для предсказания такие разные.

Я немного запутался, почему их называют похожими. Разъяснения?

gaussian-process

— user34790
источник

Между обычным и простым кригингом есть некоторые тонкие различия, может быть, это вас смущает. Регрессия GP в том виде, в котором она обычно представлена, аналогична простому кригингу. В статье Википедии о гауссовском процессе говорится, что статья прямо ссылается на « распределение с нулевым значением »; это то же самое предположение, что и в простом кригинге.

Также, вообще говоря, кригинг обычно выполняется в 2 или 3-мерных пространствах (например, концентрация загрязняющих веществ вдоль некоторой заданной области), в то время как большинство игрушечных примеров георадара являются одномерными (например, концентрация в атмосфере в зависимости от времени). $CO_2$

В конечном счете, кригинг / георадар - это метод интерполяции, и большая часть (не все) различий между его вариантами заключается в предположении о среднем тренде (или E [ ], если вам нравится эта запись). $\mu(X)$ $X_t$

— usεr11852
источник

Это не совсем правда. В литературе по ГП часто вы видите, что без потери общности они используют предположения с нулевым средним, но затем добавляют структуру среднего в ядро (например, с добавлением линейного ядра и т. Д.). GP, конечно, не используются только в одном измерении, что можно увидеть практически в любой статье по этому вопросу. 1D сценарий используется только для интуитивных целей во вводных текстах. Фактически, в большинстве одномерных случаев вы можете закодировать GP в фильтр Калмана, который в вычислительном отношении более эффективен.

— августа

@j__ Для первой части вашего комментария: я согласен частично, но, к сожалению, в основном это проблема терминологии, из-за которой люди иногда злоупотребляют ею. Я представляю каноническое различие, которое я видел в книгах. Для второй части: позвольте мне не согласиться. Я видел несколько случаев применения GPR 1D (например, в моделировании курсов валют , в филогенетике и в решениях ODE - это просто быстрый поиск в Google). Я ценю ваш комментарий, что, как правило, статистическая структура (продолжение)

— usεr11852

вступает в свои права при применении в многомерных настройках, но это не дискредитирует одномерные приложения.

— usεr11852

ну, я вижу, откуда ты. Я думаю, я бы сказал, что для врачей общей практики более характерно действовать в общих N-мерных пространствах, а не ограничиваться 2/3, как в случае с Кригингом. Особый случай - настройка 1D. Это может быть хорошим промежуточным положением, о котором мы можем договориться;)

— j__

Да, одномерные случаи имеют тенденцию быть уникальными . (Ужасный каламбур)

— usεr11852

ГП известны как кригинг в геостатистике. Чтобы узнать об истории гауссовских процессов, посмотрите это видео http://youtu.be/4r463NLq0jU?t=26s

— Пушкарь
источник