Robustní Gaussovský proces
Robustní Gaussovský proces (Robust GP) rozšiřuje standardní rámec Gaussovských procesů nahrazením věrohodnostní funkce Gaussovského šumu distribucí s těžkými konci — typicky Student-t — takže odlehlé hodnoty v trénovacích datech mají menší vliv na naučenou funkci. Zachovává si plně pravděpodobnostní charakter standardního GP pro kvantifikaci nejistoty, přičemž je mnohem méně citlivý na poškozená nebo anomální 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
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/cs/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.
- Bayesovský Gaussovský procesStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Robustní lineární regreseStrojové učení↔ compare
- Robustní náhodný les (Robust Random Forest)Strojové učení↔ compare
- Robustní Support Vector MachineStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →