目录
协方差函数
在概率论和统计学中, 协方差 是一种两个变量如何相关变化的度量，而协方差函数, or 核函数, 描述一个随机过程或随机场中的空间上的协方差。 对于一个随机场或 随机过程 Z(x) 在定义域 D， 一个协方差函数C(x, y) 给出在两个点x 和 y 的值的协方差： C(x, y) 在两种情况下称为 自协方差 函数: 在时间序列 (概念一致，除了x和y 指时间点而不是空间点), 以及在多变量随机场 (指变量自己的协方差，而不是互协方差）.
各向同性
各向同性（isotropy），是指物体的物理、化学性质不因方向而有所变化的特性，即在不同方向所测得的性能数值是相同的。如所有的气体、液体以及非晶体都显示各向同性，多晶体(如一块金属)表现的各向同性称为“准各向同性”。各向同性的物体称为均质体。 各向同性与各向异性相反。确切的定义，取决于其使用的领域。各向同性的辐射在各向上有等同的强度，并且一个各向同性的场对测试粒子有同样的作用，无论其初始方向。以波动的传播为例，波源于此种介质中，发出的振动，于各个方向，速度一致。也即，波的传播速度与方向无关。于此种介质中，波面与波线正交。.
平稳过程
在数学中，平稳过程（Stationary process），又稱严格平稳过程（Strict(ly) stationary process）或強平穩過程（）是一種特殊的隨機過程，在其中任取一段期間或空間（t.
度量空间
在数学中，度量空间是个具有距離函數的集合，該距離函數定義集合內所有元素間之距離。此一距離函數被稱為集合上的度量。 度量空间中最符合人们对于现实直观理解的為三维欧几里得空间。事实上，“度量”的概念即是欧几里得距离四个周知的性质之推广。欧几里得度量定义了两点间之距离为连接這兩點的直线段之长度。此外，亦存在其他的度量空間，如橢圓幾何與雙曲幾何，而在球體上以角度量測之距離亦為一度量。狭义相對論使用雙曲幾何的雙曲面模型，作為速度之度量空間。 度量空间还能導出开集與闭集之類的拓扑性质，这导致了对更抽象的拓扑空间之研究。.
径向基函数
径向基函数（radial basis function，缩写为RBF）是一个取值仅依赖于到原点距离的，即\phi(\mathbf).
空间统计学
#重定向 空间分析.
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
查看 马特恩协方差函数和统计学
高斯过程
在概率论和统计学中，高斯过程（Gaussian process）是观测值出现在一个连续域（例如时间或空间）的统计模型。在高斯过程中，连续输入空间中每个点都是与一个正态分布的随机变量相关联。此外，这些随机变量的每个有限集合都有一个多元正态分布。高斯过程的分布是所有那些（無限多个）随机变量的联合分布，正因如此，它是连续域（例如时间或空间）的分布。 高斯過程被認為是一種機器學習算法，是以方式，利用點與點之間同質性的度量作為，以從輸入的訓練數據預測未知點的值。其預測結果不僅包含該點的值，而同時包含不確定性的資料－它的一維高斯分佈（即該點的邊際分佈）。 對於某些核函數，可以使用矩陣代數（見條目）來計算預測值。若核函數有代數參數，則通常使用軟體以擬合高斯過程的模型。 由於高斯過程是基於高斯分佈（正態分佈）的概念，故其以卡爾·弗里德里希·高斯為名。可以把高斯過程看成多元正態分佈的無限維廣義延伸。 高斯過程常用於統計建模中，而使用高斯過程的模型可以得到高斯過程的屬性。例如，一隨機過程以高斯過程建模，則各種導出量（包括隨機過程在一定範圍次數內的平均值，及使用小範圍採樣次數及採樣值進行平均值預測的誤差）的分佈即能輕易得出。.
贝塞尔函数
貝索函数（Bessel functions），是数学上的一类特殊函数的总称。通常单说的貝索函数指第一类貝索函数（Bessel function of the first kind）。一般貝索函数是下列常微分方程（一般称为貝索方程）的标准解函数y(x)： 这类方程的解是无法用初等函数系统地表示。 由於貝索微分方程是二階常微分方程，需要由兩個獨立的函數來表示其标准解函数。典型的是使用第一类貝索函数和第二类貝索函数來表示标准解函数： 注意，由於 Y_\alpha(x) 在 x.
Γ函数
\Gamma \,函数，也叫做伽瑪函數（Gamma函数），是階乘函數在實數與複數上的擴展。對於實數部份為正的複數z，伽瑪函數定義為： 此定義可以用解析開拓原理拓展到整個複數域上，非正整數外。 如果z為正整數，則伽瑪函數定義為： 這顯示了它與階乘函數的聯繫。可見，伽瑪函數將n!拓展到了實數與複數域上。 在概率論中常見此函數，在組合數學中也常見。.
查看 马特恩协方差函数和Γ函数
欧几里得距离
在数学中，欧几里得距离或欧几里得度量是欧几里得空间中两点间“普通”（即直线）距离。使用这个距离，欧氏空间成为度量空间。相关联的范数称为欧几里得范数。较早的文献称之为毕达哥拉斯度量。.
机器学习
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。 机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。.