具有笛卡尔积结构的大数据情形下高斯过程回归的精确推断

近似算法广泛应用于许多工程问题中。为获取用于近似的数据集，常采用析因实验设计 (factorial design of experiments)。在这种情况下，数据集的规模可能非常大。因此，最常用的近似算法之一——高斯过程回归——由于其计算复杂性而难以应用。本文提出了一种针对析因实验设计情形下高斯过程回归的新方法。该方法能够高效地计算精确推断并处理大型多维数据集。所提出的算法提供了快速且准确的近似，同时还能处理各向异性数据。