Proceso Gaussiano Explicable
Un Proceso Gaussiano Explicable (XAI-GP) combina las predicciones probabilísticas y conscientes de la incertidumbre de un modelo de Proceso Gaussiano con herramientas sistemáticas de interpretabilidad —como valores SHAP, descomposición de kernel o análisis de sensibilidad— de modo que cada predicción venga acompañada tanto de un intervalo de confianza calibrado como de una explicación auditable de qué entradas la impulsaron.
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
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/es/machine-learning/explainable-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
- Gradient Boosting ExplicableAprendizaje automático↔ compare
- Random Forest ExplicableAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Proceso Gaussiano RegularizadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →