Gaussovský proces
Gaussovský proces (GP) je neparametrický, plně probabilistický model strojového učení, který umisťuje apriorní rozdělení přímo na funkce. Namísto predikce jediné hodnoty vrací prediktivní průměr a kalibrovaný odhad nejistoty v každém testovacím bodě, což jej činí obzvláště cenným pro regresi na malých až středně velkých datových sadách a pro úlohy bayesovské optimalizace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Zdroje
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Gaussian process. Wikipedia. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/cs/machine-learning/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
- Bayesovská optimalizaceOptimalizace↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →