Ρόμπουστ Γκαουσιανή Διεργασία
Η Ρόμπουστ Γκαουσιανή Διεργασία (Robust GP) επεκτείνει το πρότυπο πλαίσιο της Γκαουσιανής Διεργασίας αντικαθιστώντας την πιθανοφάνεια Γκαουσιανού θορύβου με μια κατανομή με «βαριές ουρές» — συνήθως Student-t — έτσι ώστε οι ακραίες τιμές στα δεδομένα εκπαίδευσης να ασκούν μικρότερη επίδραση στην εκμαθημένη συνάρτηση. Διατηρεί τον πλήρη πιθανοκρατικό χαρακτήρα ποσοτικοποίησης της αβεβαιότητας μιας τυπικής GP, ενώ γίνεται πολύ λιγότερο ευαίσθητη σε διεφθαρμένες ή ανώμαλες παρατηρήσεις.
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.
Πηγές
- 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
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/el/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.
- Γκαουσιανή Διαδικασία Bayes (GP)Μηχανική Μάθηση↔ compare
- Διαδικασία ΓκάουςΜηχανική Μάθηση↔ compare
- Εισαγωγή στην Ανθεκτική Γραμμική ΠαλινδρόμησηΜηχανική Μάθηση↔ compare
- Robust Random ForestΜηχανική Μάθηση↔ compare
- Ανθεκτική Μηχανή Υποστήριξης ΔιανυσμάτωνΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →