关于机器学习、深度学习这些名词和概念，以前身边人就经常提和使用，主要围绕通信上做一些信道估计什么的，因为之前也不做这一块，所以也没有去刻意了解。最近没事，简单学习一点。

先学习一下MATLAB的机器学习工具箱里面学习两个函数，fitrgp和predict这两函数。其中fitrgp主要是用于拟合高斯过程回归模型，用贝叶斯推断，给出预测值不确定性方差，也就是置信度区间。其中基本的语法是

gprmdl=fitrgp(X,y,Name,Value)

Name里面包含核函数'KernelFunction'，而核函数里面又包含了指数函数等多种类型选项；另外就是核函数的参数'KernelParameters'设置，里面包含了函数方差和长度尺度，用于函数的变化幅度和相关性的衰减速度；还有数据标准化'Standard'，用于将输入输出标准化，还有其他一些参数刻意自行对着程序查看。

[ypred,ysd,yint]=predit(gprMdl,X)

其中ypred表示最佳估计值，ysd是预测标准差，yint代表置信区间。

用这两个函数简单仿真一下，生成了一个复杂的非平稳的函数，然后给出30个训练数据，训练数据中额外添加了测量误差，最后把预测值和实际的放在一块比较。

可以看出用这个回归模型可以做到插值和一定程度的预测，接下来对模型里参数继续了解。