Processus gaussiens

Moyenne + covariance

Noyau RBF qui dit "proches en x = corrélés en y" : prédiction = moyenne pondérée, variance qui grandit loin des données. Idéal en petit n, optimisation bayésienne, coût O(n³) qui interdit le grand.

# GaussianProcessRegressor(kernel=RBF() + WhiteKernel(), alpha=...)
# RBF (Ch17) = similarité locale ; WhiteKernel = bruit blanc indépendant (l'aléa du Ch8) ; alpha = régularisation

Lecture

Longueur du noyau = portée, bruit blanc = aléa. Si vos barres sont minuscules partout, le noyau est mal réglé : vérifiez sur validation, pas sur train.