MLPシリーズで最近話題の『ガウス過程と機械学習』を読みました。ガウス過程について勉強するのは初めてだったのですが、とても丁寧で分かりやく、最後まで読み通すことができました。 3.4節の図3.16を再現すべく、pythonで1次元ガウス過程回帰を実装しました。全コードはgitにあげました。 記号の使い方 小文字の太字は縦ベクトル、大文字の太字は行列は表します。行列$\boldsymbol{A}$の$i,j$成分を$\boldsymbol{A}_{i,j}$と書きます。 多次元ガウス分布 $D$次元ガウス分布を、平均パラメータベクトル$\boldsymbol{\mu}\in \mathbb{R}^D$, 共分散行列${\bf \Sigma}\in \mathbb{R}^{D \times D}$を用いて $$ {\mathcal N}({\bf x}|\boldsymbol{\mu},{\b
![[ガウス過程と機械学習]ガウス過程回帰 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/01c0befa47cdc4ace9884bd2eef55bf331e494b8/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCJUUzJTgyJUFDJUUzJTgyJUE2JUUzJTgyJUI5JUU5JTgxJThFJUU3JUE4JThCJUUzJTgxJUE4JUU2JUE5JTlGJUU2JUEyJUIwJUU1JUFEJUE2JUU3JUJGJTkyJTVEJUUzJTgyJUFDJUUzJTgyJUE2JUUzJTgyJUI5JUU5JTgxJThFJUU3JUE4JThCJUU1JTlCJTlFJUU1JUI4JUIwJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz04NDFiZTExM2ZhNjg0ODc1NjhlNzVjNGM5MTE1MDJmYg%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBwaHlzaWNzMzAzJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0zZGJkY2Q0MjkwNzdmOWI4MTIwOTA5ZGVmYjdiMzU4YQ%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D37a93545a44bb9b3c93cd729ac403b61)