高斯随机过程

高斯过程(Gaussian Process，GP)是概率论和数理统计中的一种随机过程，是一系列服从正态分布的随机变量在一个指标集上的组合。

高斯过程中任意随机变量的线性组合服从正态分布，每一个有限维分布都是一个联合正态分布，其在连续指数集上的概率密度函数就是所有随机变量的高斯测度，因此将其视为联合正态分布的无限维广义推广。高斯过程完全由其数学期望和协方差函数决定，继承了正态分布的许多性质。

高斯过程的例子包括维纳过程、奥恩斯坦-乌伦贝克过程等等。高斯过程的建模和预测是机器学习和信号处理领域的重要内容，其中常用的模型有高斯过程回归(GPR)和高斯过程分类(GPC)。高斯过程的名字来自德国数学家C.F .高斯，以纪念他的正态分布概念。