高斯过程的优点和缺点

高斯过程的优点是：

1.预测值是观察值的插值（至少对于普通的核是这样的）
2.预测值是概率的（高斯），因此我们可以计算经验置信区间，然后根据这些信息，在某个感兴趣区域重新拟合（在线拟合，自适应拟合）预测。
3.多功能：可以指定不同的核。提供了常见的核，但是也可以指定特定的核。

高斯过程的缺点：
1. 不是稀疏的。也就是说，它们使用完整的样本/特性信息来进行预测。
2. 在高维空间失去了有效性–当特征的个数超过几十后。

参考：

http://scikit-learn.org/stable/modules/gaussian_process.html