Proceso Gaussiano de Conjunto
Un Proceso Gaussiano de Conjunto (Ensemble GP) entrena múltiples expertos GP independientes en subconjuntos de datos o regiones superpuestas, y luego combina sus predicciones posteriores — medias y varianzas — en una única predicción probabilística. Este enfoque retiene las estimaciones de incertidumbre calibradas de los GP estándar, al tiempo que supera su cuello de botella de coste cúbico O(n³), haciendo que la regresión probabilística sea práctica en conjuntos de datos con miles a millones de observaciones.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/es/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.
- Proceso Gaussiano BayesianoAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →