Proses Gaussian (GP) adalah kumpulan variabel acak, biasanya diindeks oleh sumber data kontinu atau diskrit, yang memiliki distribusi probabilitas gabungan yang dapat dijelaskan dengan distribusi normal multivariat. Meskipun paling umum digunakan dalam pembelajaran mesin, keduanya juga dapat digunakan di berbagai bidang lainnya, seperti pengoptimalan Bayesian, statistik spasial, dan analisis regresi.
Proses Gaussian adalah cara merepresentasikan suatu fungsi dengan distribusi probabilitas. Diasumsikan bahwa dengan sekumpulan data observasi, setiap nilai baru terdistribusi normal dengan mean dan varians bergantung pada nilai data observasi. Artinya, dengan mempertimbangkan data yang diamati, prediksi tentang nilai-nilai tertentu yang belum diamati dapat dibuat dengan yakin. Dokter juga bersifat non-parametrik, artinya mereka tidak membuat asumsi apa pun tentang data yang mendasarinya, melainkan mengasumsikan distribusi sebelumnya.
Dokter umum memiliki sejumlah aplikasi, seperti analisis regresi dan masalah prediksi, yang memerlukan pembuatan prediksi di masa depan berdasarkan pengetahuan atau observasi sebelumnya. Dokter umum berguna dalam skenario ini karena memungkinkan terjadinya ketidakpastian pada hasil, sehingga memberikan distribusi kemungkinan hasil di masa depan, bukan hanya prediksi tunggal. Mereka juga dapat digunakan untuk optimasi Bayesian, yang merupakan teknik untuk mengoptimalkan parameter dalam suatu model. GP juga dapat digunakan dalam statistik spasial, yang digunakan untuk memodelkan hubungan spasial antar variabel.
Proses Gaussian adalah alat penting dalam pembelajaran mesin, karena proses ini menyediakan cara untuk memodelkan fungsi yang kompleks tanpa perlu membuat asumsi tentang bentuk data. Artinya, data tersebut dapat digunakan dalam skenario di mana bentuk pasti datanya tidak diketahui atau sulit ditentukan. Dokter juga secara teoritis menarik karena mereka menawarkan cara yang elegan untuk menggabungkan pengetahuan sebelumnya dengan data observasi ketika membuat prediksi dan keputusan.
