matlab的egde源代码deepGP v.1.0 适用于深度高斯过程的Matlab代码（Damianou和Lawrence，AISTATS 2013） 依赖关系图： （1）vargplvm-贝叶斯GPLVM / VGPDS / MRD工具箱： （2）GPmat-尼尔·劳伦斯（Neil Lawrence）的GP matlab工具箱： （3）Netlab v.3.3： （4）Isomap.m： （5）L2_distance.m： （6）keep.m： L2_distance ---- Isomap ---- GPmat ---- vargplvm ---- deepGP // Netlab ---------------- 入门： 请检查deepGP / html / index.html以获得此软件包的简短概述。 查看deepGP / matlab / README.txt以获得快速手册。 请查看deepGP / matlab / tutorial.m中的入门演示。

非线性函数的高斯过程回归示例； 包括噪声 GPR 和无噪声 GPR

贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快速开始 请参阅以下内容，快速浏览贝叶斯优化程序包的基础知识。 可以在文件夹中找到更多详细信息，其他高

MATLAB 中的深高斯过程

6.高斯过程回归实现.md

Gaussian Processes for Machine Learning, Gaussian Processes for Machine Learning,Gaussian Processes for Machine Learning,高斯过程回归源码（含实验数据）

《Gaussian Process for Machine Learning》一书的配套MATLAB工具箱。

matlab高斯过程回归的gpml4.2工具箱，希望对大家有用！matlab高斯过程回归的gpml4.2工具箱，希望对大家有用！

高斯过程 我用高斯过程实现回归。 写它是为了加深我对这些概念的理解。 如果您想在您的应用程序中使用它，请先与我联系。 该代码远非稳定且可供使用。

在实现多变量数据预测过程中，发现利用MATLAB自带的高斯过程回归（Gaussian process regression，GPR）无法实现多输入多输出的数据预测，于是利用了gpml-matlab-v4.1-2017-10-19这个工具箱，并简单实现了多变量数据的预测值以及给出了每个预测值对应的方差。 注：涉及的训练数据和测试数据会在附件中给出。