Полу-наблюдаван Гаусов процес
Полу-наблюдаваният Гаусов процес (Semi-supervised Gaussian Process) разширява вероятностната рамка на Гаусовите процеси (GP), за да използва немаркирани данни заедно с малък набор от маркирани наблюдения. Чрез поставяне на GP-предварително разпределение върху функции и използване на геометричната структура, разкрита от немаркираните входове, той научава по-точни и по-добре калибрирани предиктори от чисто наблюдаван GP, когато маркировките са оскъдни, което го прави подходящ за научни и медицински проблеми, където анотирането е скъпо.
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
- Lawrence, N. D., & Jordan, M. I. (2004). Semi-supervised learning via Gaussian processes. In Advances in Neural Information Processing Systems (NIPS), 17, 753–760. MIT Press. 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). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-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
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Полу-наблюдавано случайно дървоМашинно обучение↔ compare
- Полу-наблюдавана машина с опорни векториМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →