假设每个变量都服从高斯分布，且都独立，所有变量服从多维高斯分布（已知均值和协方差矩阵）
当有新的变量到来时，根据条件概率、边缘概率、极大似然分布，可以获取新变量的预测值。
如果这个变量是多维数据，不好切割，那么就需要映射到高维上去，映射到高维上需要满足低维上离的近的，高维上也应离得近，那么这个映射函数就不大好计算了。
好在核函数出现了，核函数的特点：低维上两个向量通过核函数变换之后的内积等于映射高维上两个新的向量的内积。
假设每个变量都服从高斯分布，且都独立，所有变量服从多维高斯分布（已知均值和协方差矩阵）
当有新的变量到来时，根据条件概率、边缘概率、极大似然分布，可以获取新变量的预测值。
如果这个变量是多维数据，不好切割，那么就需要映射到高维上去，映射到高维上需要满足低维上离的近的，高维上也应离得近，那么这个映射函数就不大好计算了。
好在核函数出现了，核函数的特点：低维上两个向量通过核函数变换之后的内积等于映射高维上两个新的向量的内积。
名师互学网 版权所有 (c)2021-2022 ICP备案号：晋ICP备2021003244-6号
