Bayesian methods

Μπεϋζιανές Μη Παραμετρικές Μέθοδοι

Οι μπεϋζιανές μη παραμετρικές μέθοδοι αποτελούν μια οικογένεια ευέλικτων μπεϋζιανών μοντέλων στα οποία η πολυπλοκότητα του μοντέλου δεν καθορίζεται εκ των προτέρων, αλλά αυξάνεται αυτόματα με τα δεδομένα. Τα δύο πιο ευρέως χρησιμοποιούμενα μέλη είναι το Μείγμα Διεργασιών Dirichlet (DPM), το οποίο ομαδοποιεί παρατηρήσεις χωρίς να προκαθορίζει τον αριθμό των ομάδων, και η παλινδρόμηση με Γκαουσιανές Διεργασίες (GP), η οποία τοποθετεί μια εκ των προτέρων κατανομή απευθείας πάνω σε συναρτήσεις και εκτελεί παλινδρόμηση ή ταξινόμηση χωρίς να δεσμεύεται σε παραμετρική μορφή. Και τα δύο πλαίσια τυποποιήθηκαν στην μπεϋζιανή μη παραμετρική βιβλιογραφία, με την κανονική αντιμετώπιση των GP να δίνεται από τους Rasmussen και Williams (2006).

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Rasmussen, C.E. & Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0262182539
  2. Müller, P. & Quintana, F.A. (2004). Nonparametric Bayesian Data Analysis. Statistical Science, 19(1), 95–110. DOI: 10.1214/088342304000000017

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Bayesian Nonparametric Methods (Dirichlet Process / Gaussian Process). ScholarGate. https://scholargate.app/el/bayesian/bayesian-nonparametric

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.

Compare side by side
ScholarGateBayesian Nonparametric Methods (Bayesian Nonparametric Methods (Dirichlet Process / Gaussian Process)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/bayesian-nonparametric · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026