Proceso Gaussiano Semisupervisado
El Proceso Gaussiano Semisupervisado extiende el marco probabilístico de GP para explotar datos no etiquetados junto con un pequeño conjunto de observaciones etiquetadas. Al colocar una priori GP sobre funciones y aprovechar la estructura geométrica revelada por las entradas no etiquetadas, aprende predictores más precisos y mejor calibrados que un GP puramente supervisado cuando las etiquetas son escasas, lo que lo hace muy adecuado para problemas científicos y médicos donde la anotación es costosa.
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
- Lawrence, N. D., & Jordan, M. I. (2004). Semi-supervised learning via Gaussian processes. In Advances in Neural Information Processing Systems (NIPS), 17, 753–760. MIT Press. 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). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/es/machine-learning/semi-supervised-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
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Bosque Aleatorio Semi-supervisadoAprendizaje automático↔ compare
- Máquina de Vectores de Soporte SemisupervisadaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →