Ансамблов Гаусов Процес
Ансамбловият Гаусов Процес (Ensemble Gaussian Process) обучава множество независими GP експерти върху подмножества от данни или припокриващи се области, след което комбинира техните апостериорни прогнози — средни стойности и дисперсии — в една единствена вероятностна прогноза. Този подход запазва калибрираните оценки за неопределеност на стандартните GP, като същевременно преодолява техния кубичен проблем с разходите O(n³), което прави вероятностната регресия практична за набори от данни с хиляди до милиони наблюдения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Tresp, V. (2000). A Bayesian Committee Machine. Neural Computation, 12(11), 2719–2741. DOI: 10.1162/089976600300014908 ↗
- Deisenroth, M. P., & Ng, J. W. (2015). Distributed Gaussian Processes. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 1481–1490. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-gaussian-process
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов Гаусов ПроцесМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →