Un proceso gaussiano no solo predice un valor puntual para una nueva observación, sino que estima una distribución completa de valores posibles, lo que permite cuantificar directamente qué tan seguro está el modelo de cada predicción, algo que muchos otros algoritmos no ofrecen de forma tan natural.
Dónde resulta especialmente valioso
Es particularmente útil en optimización bayesiana de hiperparámetros y en problemas donde los datos son escasos y costosos de obtener, ya que la estimación de incertidumbre ayuda a decidir de forma más eficiente dónde conviene recolectar la próxima observación.