Ensemble Gaussian Process
Ensemble Gaussian Process træner flere uafhængige GP-eksperter på datadelmængder eller overlappende regioner og kombinerer derefter deres posteriore forudsigelser – middelværdier og varianser – til en enkelt probabilistisk prognose. Denne tilgang bevarer de kalibrerede usikkerhedsestimater fra standard-GP'er, samtidig med at den overvinder deres kubiske omkostningsflaskehals på O(n³), hvilket gør probabilistisk regression praktisk på datasæt med tusinder til millioner af observationer.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/da/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.
- Bayesiansk Gaussisk ProcesMaskinlæring↔ compare
- Gaussisk procesMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →