Proceso Gaussiano Robusto
El Proceso Gaussiano Robusto (Robust GP) extiende el marco estándar de los Procesos Gaussianos reemplazando la verosimilitud del ruido Gaussiano con una distribución de colas pesadas — típicamente la t de Student — de modo que los valores atípicos en los datos de entrenamiento ejercen menos influencia en la función aprendida. Conserva el carácter probabilístico completo y de cuantificación de la incertidumbre de un GP estándar, al tiempo que se vuelve mucho menos sensible a observaciones anómalas o corruptas.
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
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/es/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.
- Proceso Gaussiano BayesianoAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Regresión Lineal RobustaAprendizaje automático↔ compare
- Robust Random ForestAprendizaje automático↔ compare
- Máquina de Vectores de Soporte RobustaAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →