1. 以高斯协方差函数为例：
其中，若 均相等，则称此协方差函数为各向同性，否则为各向异性。
2. “假设对线性回归模型参数施加一个各项同性的高斯先验，就可以看成是GPR的一个特例”，这句话的原文是什么？
以下是我的理解（可能有误）：
对于线性回归 ，在以贝叶斯的方式估计权重 时，对其施加高斯先验 ，之后再根据贝叶斯法则，最大化 。在这个基础上，通过kernel trick将线性回归项映射到特征空间中，即有 。此时，再比照GP的后验均值 ，将 视为 ，应该就能体会到线性回归与GP之间的关系了。在整个过程中，权重先验分布的各向同性体现在 （ 为相关矩阵），即服从的是平稳高斯过程。
