Ensemble Gaussian Process
Metoda Ensemble Gaussian Process (Ensemble GP) trénuje více nezávislých GP expertů na datových podmnožinách nebo překrývajících se oblastech a následně kombinuje jejich posteriorní predikce — střední hodnoty a rozptyly — do jediné pravděpodobnostní prognózy. Tento přístup zachovává kalibrované odhady nejistoty standardních GP, přičemž překonává jejich kubickou nákladovou bariéru O(n³), čímž činí pravděpodobnostní regresi praktickou na datasetech s tisíci až miliony pozorování.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/cs/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.
- Bayesovský Gaussovský procesStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- Hlasovací ansámblStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →