در این مقاله روش جدیدی برای تولید یک ماتریس هسته تنک با استفاده از هسته های شعاعی محمل فشرده برای یادگیری مؤثر رگرسیون فرایند گاوسی از مجموعه داده های کلان پیشنهاد می گردد. سپس، اولین مطالعه تجربی از تأثیر توزیع های پیشین بر تخمین پارامترها و دقت مدل های رگرسیون فرایند گاوسی مبتنی بر هسته های محمل فشرده برای بعضی از هسته های متداول در مدل سازی رگرسیون فرایند گاوسی ارائه می شود. هدف از این مقاله، نشان دادن قابلیت ها و بهبود کارایی روش رگرسیون فرایند گاوسی هسته های شعاعی محمل فشرده مبتنی بر برآورد پارامتر ماکسیمم درستنمایی اصلاح شده برای حل مسائل رگرسیون فرایند گاوسی در داده های کلان و دامنه های نامنظم است.
