El proceso gaussiano (GP) es un proceso aleatorio en teoría de probabilidad y estadística matemática. Es una serie de variables aleatorias que obedecen a una distribución normal en un conjunto de indicadores.
La combinación lineal de cualquier variable aleatoria en el proceso gaussiano obedece a la distribución normal. Cada distribución de dimensión finita es una distribución normal conjunta, y su función de densidad de probabilidad en el conjunto exponencial continuo es la gaussiana de todas las variables aleatorias. Las variables miden, así que considérelo como una generalización de dimensión infinita de la distribución normal conjunta. El proceso gaussiano está completamente determinado por su expectativa matemática y su función de covarianza, heredando muchas propiedades de la distribución normal.
Ejemplos de procesos gaussianos incluyen procesos de Wiener, procesos de Ornstein-Uhlenbeck, etc. El modelado y la predicción del proceso gaussiano es una parte importante del campo del aprendizaje automático y el procesamiento de señales. Los modelos más utilizados incluyen la regresión del proceso gaussiano (GPR) y la clasificación del proceso gaussiano (GPC). El nombre del proceso gaussiano proviene del matemático alemán C.F Gauss, en honor a su concepto de distribución normal.