Устойчив Гаусов Процес
Устойчивият Гаусов Процес (Robust GP) разширява стандартната рамка на Гаусовите Процеси, като заменя правдоподобието на Гаусовия шум с разпределение с тежки опашки — обикновено разпределение на Стьюдънт — така че екстремните стойности в обучителните данни да оказват по-малко влияние върху научената функция. Той запазва пълния вероятностен характер на стандартния GP за количествено определяне на несигурността, като същевременно става много по-малко чувствителен към повредени или аномални 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
- Jylanki, P., Vanhatalo, J., & Vehtari, A. (2011). Robust Gaussian Process Regression with a Student-t Likelihood. Journal of Machine Learning Research, 12, 3227–3257. link ↗
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/bg/machine-learning/robust-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
- Robust Linear RegressionМашинно обучение↔ compare
- Робастна случайна гораМашинно обучение↔ compare
- Устойчив метод на опорните векториМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →