Robustinen Gaussin prosessi
Robustinen Gaussin prosessi (Robust GP) laajentaa standardia Gaussin prosessikehystä korvaamalla Gaussin kohinatodennäköisyysjakauman raskaampihäntäisellä jakaumalla – tyypillisesti Studentin t-jakaumalla – jotta koulutusdatan poikkeamat vaikuttavat vähemmän opittuun funktioon. Se säilyttää standardin GP:n täyden probabilistisen, epävarmuutta kvantifioivan luonteen samalla kun siitä tulee paljon vähemmän herkkä vioittuneille tai poikkeaville havainnoille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen Gaussin prosessiKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Robust Linear RegressionKoneoppiminen↔ compare
- Robust Random ForestKoneoppiminen↔ compare
- Robust Support Vector MachineKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →