Διαδικασία Γκάους
Μια Διαδικασία Γκάους (GP) είναι ένα μη-παραμετρικό, πλήρως πιθανοτικό μοντέλο μηχανικής μάθησης που τοποθετεί μια εκ των προτέρων κατανομή απευθείας πάνω σε συναρτήσεις. Αντί να προβλέπει μια μοναδική τιμή, επιστρέφει έναν μέσο όρο πρόβλεψης και μια βαθμονομημένη εκτίμηση αβεβαιότητας σε κάθε σημείο δοκιμής, καθιστώντας την ιδιαίτερα πολύτιμη για παλινδρόμηση σε μικρά έως μεσαία σύνολα δεδομένων και για εργασίες βελτιστοποίησης Bayes.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/el/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.
- Γκαουσιανή Διαδικασία Bayes (GP)Μηχανική Μάθηση↔ compare
- Βελτιστοποίηση BayesΒελτιστοποίηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →